Cara Melaksanakan Uji Homogenitas Dengan Spss

Cara Melakukan Uji Homogenitas dengan SPSS | Dalam Statistik Uji Homogenitas dipakai untuk mengetahui varian dari beberapa populasi sama atau tidak. Uji ini biasanya dilakukan sebagai prasyarat dalam analisis Independent Sampel T Test dan Anova. Asumsi yang mendasari dalam Analisis of varians (ANOVA) yakni bahwa varian dari beberapa populasi yakni sama.

Dasar Pengambilan Keputusan
Seperti pada uji statistik lainnya, Uji Homogenitas dipakai sebagai materi pola untuk memilih keputusan uji statistik. Adapun dasar pengambilan keputusan dalam uji homogenitas yakni :

1. Jika nilai signifikansi < 0,05, maka dikatakan bahwa varian dari dua atau lebih kelompok populasi data yakni tidak sama.
2. Jika nilai signifikansi > 0,05, maka dikatakan bahwa varian dari dua atau lebih kelompok populasi data yakni sama.

Langkah-langkah Uji Homogenitas dengan SPSS
Pada kesempatan kali ini saya akan mempraktekkan uji homogenitas dengan aktivitas SPSS versi 21. Adapun data yang akan saya uji yakni data Hasil mencar ilmu Matematika pada siswa kelas A dan kelas B. Untuk rincian datanya lihat di bawah ini.

Untuk mempermudah kita dalam melaksanakan uji homogenitas dengan SPSS maka kita perlu menciptakan kategorisasi (pengkodean) data antara siswa kelas A dengan siswa kelas B. dimana untuk siswa kelas A diberi instruksi 1 dan untuk siswa kelas B diberi instruksi 2.. rekapan data tampak sebagaimana gambar berikut ini.

[Download Data Lengkap]

1. Langkah berikutnya, buka aktivitas SPSS versi 21, klik Variable View, Selanjutnya, definisikan variabel sebagaimana gambar berikut:

Tampak di layar SPSS

2. Setelah itu, klik Data View, dan masukkan data Hasil Belajar Matematika ke kotak "Hasil" kemudian data instruksi kelas A dan kelas B ke kotak "Kelas" yang sudah dipersiapkan tadi.

3. Dari hidangan SPSS, pilih Analyze, kemudian klik Compare Means, dan One Way Anova

4. Muncul kotak dengan nama One Way Anova, selanjutnya masukkan variabel "Hasil Belajar Matematika" ke kotak Dependen List dan variabel "Hasil" ke kotak Factor, kemudian klik Options

5. Pada hidangan Options, beri tanda centang pada Homogeneity of Variance, kemudian klik Continue

6. Klik Ok untuk mengakhiri perintah. Selanjunya akan muncul tampilan Output SPSS

Berdasarkan output SPSS di atas diketahui bahwa nilai signifikansi variabel Hasil Belajar Matematika menurut variabel Kelas A dan B yakni sebesar 0,071 > 0,05, artinya data variabel Hasil Belajar Matematika berdasarkan variabel Kelas A dan B mempunyai varian yang sama atau homogen.

Demikian tadi pembahasan mengenai Cara Melakukan Uji Homogenitas dengan SPSS selamat mencoba. Jika ada pertanyaan atau pendapat mengenai artikel ini silahkan bekomentar?

Baca : Cara Uji Independent Sample T-Test dan Interpretasi dengan SPSS

[Search : Cara Melakukan Uji Homogenitas dengan Program SPSS Versi 21, Uji Homogenitas dengan One Way Anova SPSS, langkah-langkah Uji Homogenitas data Statistik Penelitian kuantitatif
Img : Dokumen SPSS versi 21]

Lihat Juga: VIDEO Uji Homogenitas dengan SPSS Lengkap

Read More

Cara Uji Independent Sample T-Test Dan Interpretasi Dengan Spss

Cara Uji Independent Sample T-Test dan Interpretasi dengan SPSS | Independent Sample T-Test kalau diterjemahkan dalam bahasa Indonesia maka berarti uji t sampel Tidak bekerjasama atau bebas. Perhatikan kata “Independen” atau “bebas” maknanya yaitu tidak ada kekerabatan antara dua sampel yang akan diuji. Sebagai teladan saya akan menguji apakah ada berbedaan rata-rata 2 (dua) sampel yang teridiri dari kelompok A dan Kelompok B terkait dengan prestasi belajarnya. Contoh ini menjelaskan bahwa sampel penelitian ini terdiri dari dua kelompok yang berbeda atau tidak bekerjasama satu sama lain (sampel bebas). Contoh datanya sanggup dilihat pada gambar di bawah ini.

Keterangan : Kelompok A diberi isyarat 1 dengan N = 6 orang, sedangkan Kelompok B diberi isyarat 2 dengan N = 5 orang. Nilai diartikan sebagai Prestasi Belajar.

Uji Independent Sample T-Test merupakan bab dari statistik inferensial parametrik (Uji Beda). Perlu diketahui bersama bahwa dalam statistik parametrik terdapat syarat- syarat yang harus terpenuhi sebelum dilakukannya pengujian (dalam hal ini Uji Independent Sample T-Test). Oleh alasannya yaitu itu, kita perlu mengetahui syarat-syarat apa saja yang dibutuhkan sebelum melaksanakan Uji Independent Sample T-Test:

1. Data yang di uji yaitu data kuantitatif (data interval atau data rasio)
2. Data harus di uji normalitas dan alhasil harus berdistribusi normal | Baca : Cara Uji Normalitas Shapiro-Wilk dengan SPSS
3. Data harus sejenis atau homogen [namun bukan syarat mutlak] | Baca: Cara Melakukan Uji Homogenitas dengan SPSS
4. Uji Ini dilakukan dengan jumlah data yang sedikit.

Jika dalam masalah tertentu ternyata data homogen maka yang dimaknai yaitu tabel output equal variances not assumed, sementara kalau data tidak berdistribusi normal, maka solusinya sanggup dengan metode statistik non parametrik yaitu dengan Uji Mann Whitney

Mungkin sudah cukup jelasnya klarifikasi di atas, selanjutnya saya akan melaksanakan praktek Uji Independent Sample T-Test untuk masalah di atas:

Hipotesis (dugaan) yang saya ajukan:

1. Ho : TIDAK TERDAPAT BERBEDAAN antara rata-rata prestasi mencar ilmu Kelompok A dengan Kolompok B
2. Ha : TERDAPAT BERBEDAAN antara rata-rata prestasi mencar ilmu Kelompok A dengan Kolompok B

Dasar Pengambilan Keputusan:

1. Jika nilai Signifikansi atau Sig.(2-tailed) > 0,05, maka Ho diterima dan Ha ditolak.
2. Jika nilai Signifikansi atau Sig.(2-tailed) < 0,05, maka Ho ditolak dan Ha diterima.

Cara Uji Independent Sample T-Test dengan SPSS

1. Buka lembar kerja SPSS, kemudian klik Variable View, pada bab Name pertama tuliskan Nilai. Kemudian untuk Name Kedua tuliskan Kelompok, kemudian pada bab Decimals yang kedua ganti dengan 0, kemudian klik pada bab Value yang kedua sampai muncul kotak obrolan Value Label, pada kotak Value isikan 1 dan kotal Label isikan Kelompok A, kemudian klik Add, kemudian isikan lagi pada kotak Value dengan isian 2 dan kotak Label isikan Kelompok B, kemudian klik Add dan Ok [biarkan yang lainnya tetap default jangan di otak atik ya]



Jika sudah betul maka tampilannya menyerupai gambar di bawah ini



2. Klik Variable View, kemudian untuk Nilai isikan dengan nilai di atas dan untuk Kelompok isikan 1 untuk nilai kelompok A dan 2 untuk nilai Kelompok B



3. Kalau sudah, klik Analyze – Compare Means – Independent Sample T Test…



4. Muncul kotak obrolan Independent Sample T Test, kemudian masukkan Variabel Nilai ke kotak Test Variable(s) dan masukkan Variabel Kelompok ke kotak Grouping Variable



5. Klik Define Grouping, pada kotak Group 1 isikan 1 dan kotak Group 2 isikan 2, kemudian klik Continue



6. Selanjutnya klik Options, kemudian pada kotak Confidence Interval Percentage isikan 95, kemudian klik Continue



7. Setelah semua beres, maka klik Ok dan akan muncul Output SPSS



Interpretasi Output SPSS Uji Independent Sample T-Test

Perhatikan pada output Independent Sample T-Test, Berdasarkan output di atas diperolah nilai Sig.(2-tailed) sebesar 0,039 < 0,05, maka sesuai dasar pengambilan keputusan dalam Uji Independent Sample T-Test, maka sanggup disimpulkan Ho ditolak dan Ha diterima, yang artinya bahwa TERDAPAT BERBEDAAN antara rata-rata prestasi mencar ilmu Kelompok A dengan Kolompok B.

Alhamdulillah, akibat juga artikel dengan judul Cara Uji Independent Sample T-Test dan Interpretasi dengan SPSS, mudah-mudahan bermanfaat dan sanggup membantu teman semua dalam mengerjakan tugas, skripsi, maupun tesisnya.. selamat mencoba ;D

[Search : Cara Uji Independent Sample T-Test dan Interpretasi dengan SPSS | Penjelasan atau Interpretasi Uji Independent Sample T-Test | Ketentuan dalam Uji Independent Sample T-Test | Uji Dua Sampel Tidak Berhubungan Menggunakan SPSS Versi 21]

Lihat Juga: VIDEO Uji Independent Sample T-Test dengan SPSS

Read More

Cara Uji Normalitas Shapiro-Wilk Dengan Spss Lengkap

Cara Uji Normalitas Shapiro-Wilk dengan SPSS Lengkap | Uji Normalitas bertujuan untuk mengetahui apakah data penelitian berdistribusi normal atau tidak. Sebab, dalam statistik Paramertik distribusi data yang normal ialah suatu keharusan dan merupakan syarat yang mutlak yang harus terpenuhi. Uji Normalitas data sanggup dilakukan dengan beberapa uji statistik, seperti:

1. Uji Shapiro-Wilk
2. Uji Kolmogorov-Smirnov
3. Uji Liliefors
4. Uji Skweness dan Kurtosis

Dalam artikel tutorial kali ini, saya akan menjelasakan bagaimana Cara Uji Normalitas Shapiro-Wilk dengan SPSS. Untuk melaksanakan Uji Shapiro-Wilk kita sanggup memanfaatkan akomodasi sajian Explore yang terdapat dalam SPSS.

Dasar Pengambilan Keputusan dalam Uji Normalitas Shapiro-Wilk

1. Jika nilai Sig. > 0,05, maka data berdistribusi normal
2. Jika nilai Sig. < 0,05, maka data tidak berdistribusi normal

Contoh Kasus dalam Uji Normalitas Shapiro-Wilk

Saya memiliki data Prestasi mencar ilmu siswa untuk dua kelompok yang tidak berpasangan, sebelum saya melaksanakan Uji Independent Sample T-Test, maka saya harus memastikan bahwa data berdistribusi normal dulu. Adapun data Prestasi mencar ilmu dua kelompok tersebut dituangkan dalam bentuk nilai ibarat gambar dibawah ini.



Keterangan : Kelompok A diberi isyarat 1 dengan N = 6 siswa, sedangkan Kelompok B diberi isyarat 2 dengan N = 5 siswa.

Cara Melakukan Uji Normalitas Shapiro-Wilk dengan SPSS

1. Buka lembar kerja SPSS, kemudian klik Variable View, pada cuilan Name pertama tuliskan Nilai. Kemudian untuk Name Kedua tuliskan Kelompok, sehabis itu pada cuilan Decimals yang kedua ganti dengan 0. Selanjutnya, klik pada cuilan Value yang kedua, sampai muncul kotak obrolan Value Label, pada kotak Value isikan 1 dan pada kotak Label isikan Kelompok A, kemudian klik Add. Kemudian, isikan kembali pada kotak Value dengan isian 2 dan pada kotak Label isikan Kelompok B, kemudian klik Add dan klik Ok [abaikan saja yang lainnya]



Jika caranya sudah benar maka tampilannya akan ibarat gambar berikut ini



2. Setelah itu, klik Variable View, selanjutnya untuk variabel Nilai isikan dengan nilai di atas, dan untuk variable Kelompok isikan 1 untuk nilai kelompok A, dan 2 untuk nilai Kelompok B



3. Selanjutnya, dari sajian SPSS, klik Analyze – Descriptive Statistiks – Explore…



4. Masukkan variabel Nilai ke kotak Dependen List, kemudian masukkan variabel Kelompok ke kotak Factor List, pada cuilan Display pilih Both



5. Setelah itu, klik Plots.., maka akan mucul kotak obrolan Explore: Plots, dari serangkaian pilihan yang ada, berikan tanda centang pada pilihan Normality Plot with tests, kemudian klik Continue



6. Langkah terakhir klik Ok.. dan akan muncul Output SPSS [Perhatikan pada Output Test of Normality]



Interpretasi atau Penjelasan Output Uji Normalitas Shapiro-Wilk

Berdasarkan output Test of Normality, diperoleh nilai signifikansi untuk Kelompok A sebesar 0,770, sedangkan nilai signifikansi untuk Kelompok B sebesar 0,807. Karena nilai signifikansi Kelompok A dan Kelompok B lebih besar > 0,05, maka sanggup disimpulkan bahwa data Prestasi mencar ilmu berdistribusi normal.

Alhamdulillah selesai juga artikelnya.. mudah-mudah bermanfaat yaw.. terimakasih telah berkenan memabaca goresan pena ini

[Search : Cara Uji Normalitas Shapiro-Wilk dengan SPSS Lengkap | Langkah-Langkah Melakukan Uji Normalitas Shapiro-Wilk memakai SPSS | Uji Shapiro-Wilk dengan SPSS Versi 21 | Dasar Pengambilan Keputusan dalam Uji Normalitas Shapiro-Wilk]

Lihat Juga: VIDEO Uji Normalitas Shapiro-Wilk dengan SPSS

Read More

Cara Uji Paired Sample T-Test Dan Interpretasi Dengan Spss

Cara Uji Paired Sample T-Test dan Interpretasi dengan SPSS | Selamat pagi, berjumpa lagi dengan saya Sahid Raharjo admin blog www.spssindonesia.com. Pada kesempatan kali ini, saya akan membagikan tips cara melaksanakan uji paired sample t test memakai aplikasi SPSS.

Paired sample t test dipakai untuk mengetahui apakah terdapat perbedaan rata-rata dua sampel (dua kelompok) yang berpasangan atau berhubungan. Uji paired sample t test merupakan penggalan dari statistik parametrik, oleh alasannya itu, sebagaimana hukum dalam statistik parametrik data penelitian haruslah berdistribusi normal. Untuk mengetahui data yang akan kita uji paired sample t test tersebut normal atau tidak, tentunya kita perlu melaksanakan uji normalitas terlebih dahulu. [Catatan: jikalau data penelitian tidak normal maka aternatif uji yang sanggup dilakukan sebagai pengganti paired sample t test yakni Uji Wilcoxon]. Sedangkan untuk varian data boleh homogen atau tidak, hal itu bukanlah merupakan permasalahan dalam uji paired sample t test ini.

Agar teman lebih paham wacana apa yang saya maksud dengan sampel berpasangan di sini, ada baiknya teman perhatikan pola soal yang akan saya paparkan berikut.

Contoh Soal Uji Paired Sample T-Test

Seorang guru ingin mengetahui apakah ada efek penggunaan seni administrasi pembelajaran Answer Gallery terhadap hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD? Selanjutnya, untuk mengetahui ada atau tidaknya efek tersebut, guru melaksanakan dua kali test dengan tujuan untuk mengetahui hasil mencar ilmu siswa. Tes pertama dilakukan sebelum seni administrasi pembelajaran answer gallery diterapkan, tes yang dilakukan sebelum adanya perlakuan umumnya disebut dengan Pre Test. Tes kedua dilakukan setelah seni administrasi pembelajaran answer gallery ditertapkan di kelas tersebut, tes ini disebut dengan Post Test.

Dengan melaksanakan dua kali tes, guru memiliki dua hasil mencar ilmu siswa yakni pre test dan post test (inilah yang disebut dengan sampel berpasangan). Untuk rincian hasil mencar ilmu siswa kelas 5 SD yang sudah terkumpul perhatikan gambar di bawah ini.



Langkah-langkah Uji Paired Sample T-Test dengan SPSS

1. Buka lembar kerja SPSS, dalam artikel ini saya memakai Aplikasi SPSS versi 21. Klik Variable View, pada penggalan Name ketikan Pretest dan Posttest, untuk kolom yang lainnya biarkan otomatis SPSS saja (mode default) tidak perlu ubah ubah



2. Kalau sudah, selanjutnya klik Data View atau cara pintasnya teman sanggup menekan tombol CTRL-T pada keyboard laptop sobat. Masuk ke tahap pengisian data, yakni dengan cara memasukkan hasil mencar ilmu siswa yang sudah terkumpul ke kolom Pretest dan Posttest



3. Selanjutnya, dari sajian kafe yang terdapat pada SPSS klik Menu Analyze, kemudian pilih Compare Means, kemudian klik Paired-Sample T Test…



4. Setelah langkah tersebut dilakukan betul, di laptop teman akan muncul kotak obrolan dengan nama Paired-Sample T Test. Karena disini kita akan menguji data Pretest dan Posttest, maka klik mouse pada data Pretest kemudian klik tombol yang tersedia untuk memasukkan data Pretest ke kotak sebelah kanan (Paired Variables:), setelah data Pretest masuk, lakukan cara yang sama pada data Posttest. Lihat gambar di bawah ini supaya lebih jelas

Gambar sebelum data Pretest dan Posttest dimasukkan ke kotak Paired Variables:



Gambar sesudah data Pretest dan Posttest dimasukkan ke kotak Paired Variables:



5. Setelah semua mekanisme cara melaksanakan uji paired sample t test dengan SPSS sudah dilakukan dengan cermat, langkah terakhir yakni klik Ok. Maka akan muncul output SPSS (hasil uji paired sample t test) sebagai berikut







Interpretasi Uji Paired Sample T-Test

Interpretasi Ouput Bagian Pertama (Paired Samples Statistics)
Pada output ini kita diperlihatkan hasil ringkasan statistik dari kedua sampel atau data Pretest dan Posttest. Untuk nilai Pretest diperoleh rata-rata hasil mencar ilmu yakni 54,6154. Sedangkan untuk nilai Posttest diperolah nilai rata-rata hasil mencar ilmu sebesar 67,6923. Jumlah responden atau siswa yang dijadikan sampel sebanyak 13 orang siswa. Untuk Std. Deviation dan Std. Error Mean silahkan dicari tahu sendiri ya artinya”, takutnya nanti artikel ini jadi terlalu panjang. he he 2x

Interpretasi Ouput Bagian Kedua (Paired Samples Correlations)
Bagian kedua output yakni hasil kekerabatan atau kekerabatan antara kedua data atau variabel yakni pretest dan posttest.

Interpretasi Ouput Bagian Ketiga (Paired Samples Test)
Output penggalan ketiga ini yakni output yang terpenting, alasannya pada penggalan ketiga inilah kita akan menemukan tanggapan atas apa yang menjadi petanyaan atau pola perkara di atas, yakni mengenai ada atau tidaknya efek penggunaan seni administrasi pembelajaran answer gallery terhadap hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD?

Pedoman Pengambilan Keputusan dalam Uji Paired Sample T-Test menurut nilai signifikansi dengan SPSS

1. Jika nilai probabilitas atau Sig. (2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara hasil mencar ilmu pada data pretest dan posttest yang artinya terdapat efek penggunaan seni administrasi pembelajaran answer gallery dalam meningkatkan hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD.
2. Sebaliknya, jikalau nilai probabilitas atau Sig. (2-tailed) > 0,05, maka TIDAK terdapat perbedaan yang signifikan antara hasil mencar ilmu pada data pretest dan posttest yang artinya TIDAK ada efek penggunaan seni administrasi pembelajaran answer gallery dalam meningkatkan hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD.

Pengambilan Keputusan: Berdasarkan output penggalan ketiga di atas, diketahui bahwa nilai Sig. (2-tailed) sebesar 0,002 < 0,05, alasannya nilai Sig. (2-tailed) sebesar 0,002 lebih kecil 0,05 maka kita sanggup disimpulkan bahwa penggunaan seni administrasi pembelajaran Answer Gallery sanggup menigkatkan hasil mencar ilmu untuk mata pelajaran bahasa jawa pada siswa kelas 5 SD.

Baca juga artikel menarik mengenai : Cara Uji Independent Sample T-Test

Sekian sedikit tips yang sanggup saya sampaikan mengenai Cara Uji Paired Sample T-Test dan Interpretasi dengan SPSS, semoga bermanfaat, selamat mencoba..eh semoga berhasil sukses :D

[Search : Cara Uji Paired Sample T-Test dan Interpretasi dengan SPSS mudah, Prosedur Langkah-langkah Uji Paired Sample T-Test dengan SPSS Versi 21, Pedoman Pengambilan Keputusan dalam Uji Paired Sample T-Test memakai Aplikasi SPSS]

Lihat Juga: VIDEO Cara Uji Paired Sample T-Test dengan SPSS Lengkap

Read More

Cara Melaksanakan Analisis Anova Satu Faktor Dengan Spss

Cara Melakukan Analisis Anova Satu Faktor dengan SPSS | Analisis one way ANOVA atau uji anova satu faktor intinya bertujuan untuk membandingkan nilai rata-rata yang terdapat pada variabel terikat di semua kelompok yang dibandingkan. Nilai masing-masing kelompok dilihat menurut pada variabel bebas yang berskala kategori. Fungsi variabel bebas disini tolong-menolong yaitu untuk mewakili kelompok-kelompok yang akan diteliti. Variabel bebas dalam analisis anova satu faktor disebut juga sebagai variabel faktor, sementara kelompok-kelompok yang dibandingkan disebut sebagai variabel tingkatan faktor.

Prosedur analisis Anova satu faktor sanggup menghasilkan analisis satu faktor untuk sebuah variabel terikat dengan sebuah variabel bebas. Seperti yang sudah saya utarakan di awal pembahasan ini, bahwa teknik analisis Anova satu faktor pada prinsipnya yaitu untuk menguji sebuah hipotesis yang akan mengambarkan nilai rata-rata masing-masing variabel tersebut sama atau tidak. Pertanyaan yang sering kali terbesit dibenak kita yaitu “lantas apa perbedaan antara uji analisis Anova satu faktor dengan uji independent sample t test, alasannya yaitu kedua uji tersebut sama-sama bertujuan untuk membandingkan nilai rata-rata?” Penjelasannya yaitu bahwa analisis Anova satu faktor yaitu ekspansi dari teknik uji independent sample t test. Perbedaan yang fundamental yaitu dimana uji independent sample t test sendiri dipakai untuk membandingkan nilai rata-rata variabel terikat pada dua kelompok saja, sedangkan lebih jauh dari itu analisis Anova satu faktor sanggup dipakai untuk kelompok yang berjumlah lebih dari 2 (dua) serta memiliki nilai rata-rata yang sama ataupun berbeda.


PERSYARATAN PENGUNAAN ANALISIS ANOVA

Dalam memakai Anova untuk menganalisis data penelitian, terdapat beberapa syarat yang harus terpenuhi. Adapun syarat-syaratnya antara lain:

1. Sebaran data untuk masing-masing kelompok harus berdistribusi normal [Cara Uji Normalitas untuk One Way Anova dengan SPSS Lengkap]
2. Variabel terikat harus memiliki kesamaan varian atau bersifat homogen, dengan demikian tentunya kita harus melaksanakan uji homogenitas terlebih dahulu.
3. Subjek dalam setiap kelompok harus dipilih secara random atau acak dengan memakai teknik probabilitas.
4. Data penelitian untuk variabel terikat idealnya berskala interval. Sementara, bila data penelitian yang diperoleh berskala ordinal maka sebaiknya ditransformasi atau di ubah menjadi skala interval terlebih dahulu. Transformasi data sanggup dilakukan dengan MSI atau metode suksesif interval.
5. Kelompok yang dibandingkan harus berasal dari sampel yang berbeda atau tidak berpasangan dengan kata lain responden penelitian untuk masing-masing kelompok haruslah berbeda.
6. Variabel bebas idealnya bersifat non metrik atau berskala ordinal.

CONTOH KASUS ANALISIS ANOVA SATU FAKTOR

Pada kempatan kali ini saya akan mempraktekkan cara melaksanakan analisis anova satu faktor dengan tumpuan kasus: “Seorang peneliti ingin membandingkan penjualan handphone dengan merek Samsung, Oppo, Vivo, dan Lenovo”. Dimana para pembeli handphone di toko-toko tertentu hanya dihadapkan pada keempat merek tersebut, kemudian akan diteliti tentang:

1. Berapa rata-rata penjualan keempat handphone tersebut?
2. Apakah terdapat perbedaan rata-rata dalam penjualan keempat handphone tersebut?
3. Rata-rata penjualan handphone mana saja yang sama atau berbeda penjualannya?

Penelitian ini dilakukan selama 10 minggu, adapun data penelitian yang terkumpul sebagaimana table data di bawah ini.

Sebelum kita melaksanakan analisis terhadap data di atas dengan aktivitas SPSS, maka sebaiknya bentuk tabel di atas kita dimodifikasi terlebih dahulu menjadi dua buah tabel. Sebab dalam dalam analisis anova satu faktor dengan SPSS, kita hanya sanggup memasukkan dua variabel saja. Oleh alasannya yaitu itu, tabel di atas kita ubah menjadi menyerupai tabel data di bawah ini.

Download Data Lengkap


CARA MELAKUKAN ANALISIS ANOVA SATU FAKTOR DENGAN SPSS

Langkah-langkah dalam melaksanakan analisis anova satu faktor dengan SPSS dimulai dengan:

1. Buka aktivitas SPSS, kemudian klik Variable View, kemudian untuk memasukkan nama dan mendefinisikan varabel, maka:

Variabel pertama: Merek (X), isikan dengan:
Name: ketikkan X
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 0
Label: tuliskan Merek
Value: klik pada pecahan none, maka akan muncul kotak obrolan “Value Labels” untuk kotak Value isikan 1, kemudian pada kotak Label isikan Samsung, kemudian klik Add. Kemudian isikan lagi 2 untuk kotak Value dan isikan Oppo untuk kotak Label, kemudian klik Add. Begitu seterusnya hingga keempat merek handphone terinput pada kotak Value Labels.

Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Scale
Role: pilih Input

Variabel kedua: Penjualan (Y), maka isikan dengan:
Name: ketikkan Y
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 0
Label: tuliskan Penjualan
Value: pilih None
Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Scale
Role: pilih Input

Sehingga di layar akan tampak, sebagai berikut:

2. Jika semua nama variabel sudah ditulis dengan benar, selanjutnya klik Data View, kemudian input data variabel Merek ke kotak X dan variabel Penjualan ke kotak Y

3. Jika data sudah lengkap, maka klik sajian Analyze – Compare Means – One-Way ANOVA

4. Maka muncul kotak obrolan “One-Way ANOVA”, selanjutnya pindahkan variabel Penjualan (Y) ke kolom Dependent List, kemudian pindahkan variabel Merek (X) ke kolom Factor

5. Langkah berikutnya klik Post Hoc, maka muncul kotak obrolan “One-Way ANOVA: Post Hoc Multiple Comparisons”. Pilih Tukey, kemudian klik Continue

6. Kemudian klik Options, maka muncul kotak obrolan “One-Way ANOVA: Options” berikan tanda centang pada Descriptive dan Homogenity of variance test, kemudian klik Continue

7. Langkah terakhir yaitu klik Ok, maka akan muncul Ouput SPSS yang kita butuhkan dalam Analisis Anova Satu Faktor


INTERPRETASI OUTPUT ANALISIS ANOVA SATU FAKTOR DENGAN SPSS

Pembahasan mengenai output SPSS dalam analisis Anova satu faktor akan saya bagi menjadi 5 tahap pembahasan supaya lebih detail dan sistematis. Kita mulai dari:

A. Melihat Perbedaan Rata-Rata Penjualan Empat Merek Handphone

Berdasarkan output SPSS di atas, kita sanggup melihat perbedaan rata-rata penjualan dari keempat merek handphone dengan rincian sebagai berikut:

1. Rata-rata penjualan handphone Samsung sebesar 45,30.
2. Rata-rata penjualan handphone Oppo sebesar 41,10.
3. Rata-rata penjualan handphone Vivo sebesar 39,00.
4. Rata-rata penjualan handphone Lenovo sebear 35,70.

Dengan demikian maka secara deskriptif sanggup disimpulkan bahwa rata-rata penjualan paling tinggi yaitu handphone Samsung yakni sebesar 45,30.


B. Menguji Kesamaan Varian (Uji Homogenitas)

Berdasarkan output SPSS di atas, diperoleh angka Levene Statistic sebesar 2,508 dengan signifikansi atau probabilitas (Sig) sebesar 0,074. Karena nilai signifikansi 0,074 lebih besar dari 0,05, maka sanggup disimpulkan bahwa varian keempat kelompok penjualan handphone yang kita bandingkan tersebut yaitu sama atau homogen.

Baca: Cara Melakukan Uji Homogenitas dengan SPSS

C. Menguji Apakah Keempat Sampel Mempuyai Rata-Rata yang Sama atau Berbeda (Analisis Anova)

Dasar pengambilan keputusan dalam Analisis Anova:

1. Jika nilai signifikansi (Sig) > 0,05 maka rata-rata sama.
2. Jika nilai signifikansi (Sig) < 0,05 maka rata-rata berbeda.

Berdasarkan output Anova di atas, diketahui nilai sig sebesar 0,009 < 0,05, sehingga sanggup disimpulkan bahwa rata-rata keempat penjualan merek handphone tersebut “BERBEDA” secara signifikan.


D. Mencari Kelompok Mana Saja yang Rata-Rata Penjualannya Sama dan Tidak Sama (Tes Post-Hoc)

Pengujian Tukey HSD yaitu pengujian perbandingan jamak untuk memilih apakah tiga rata-rata atau lebih berbeda secara signifikan dalam jumlah analisis varian. Sebagai contoh, kita akan membadingkan rata-rata penjualan handphone Samsung dengan Oppo. Angka perbedaan rata-rata untuk penjualan merek handphone tersebut yaitu 4,200. Angka ini diperoleh dari nilai rata-rata (pada output deskriptif) untuk penjualan Samsung (45,30) dikurangi dengan rata-rata penjualan Oppo (41,10). Sementara itu, perbedaan rata-rata penjualan berkisar antara -3,06 (Lower Bound) hingga dengan 11,46 (Upper Bound) pada tingkat kepercayaan 95%. Untuk menguji apakah terdapat perbedaan rata-rata kedua merek handphone tersebut, maka kita harus melihat apakah nilai signifikansi hasil output SPSS lebih besar atau lebih kecil dari 0,05. Berdasarkan output di atas diketahui nilai Sig sebesar 0,415 > 0,05, maka sanggup disimpulkan bahwa penjualan handphone Samsung dan Oppo yaitu sama dan perbedaan rata-rata penjualan secara deskriptif antara kedua handphone tersebut tidaklah signifikan. Selanjutnya untuk membandingkan kelompok yang lainnya dilakukan dengan cara yang sama sebagaimana cara di atas.


E. Melihat Kesamaan Rata-Rata Penjualan Keempat Merek Handphone

Untuk melihat kesamaan rata-rata, maka kita akan memakai output Tukey HSD. Berikut interpretasi tabel di atas:

1. Pada subset 1 terdapat data penjualan Lenovo, Vivo, dan Oppo. Artinya rata-rata penjualan ketiga merek handphone tersebut tidak memiliki perbedaan yang signifikan. Dengan kata lain, rata-rata penjualan Lenovo, Vivo, dan Oppo yaitu sama.
2. Pada subset 2 terdapat data penjualan Vivo, Oppo, dan Samsung. Artinya rata-rata penjualan ketiga merek handphone tidak memiliki perbedaan yang signifikan. Dengan kata lain, rata-rata penjualan Vivo, Oppo, dan Samsung yaitu sama.

PEMBUATAN KESIMPULAN DALAM ANALISIS ANOVA SATU FAKTOR

Dalam riset eksperimen ini hanya rata-rata penjualan Samsung dengan Lenovo saja yang berbeda, sedangkan rata-rata penjualan handphone merek lainnya yaitu sama. Dengan demikian, variabel merek hanya kuat secara signifikan terhadap perbedaan rata-rata penjualan handphone merek Samsung dan Lenovo.

Tonton: Bimbingan Kilat Uji One Way Anova dengan SPSS bagi Pemula

Demikian serangkain pembahasan kita wacana cara melaksanakan analisis anova satu faktor dengan SPSS, supaya sanggup bermanfaat bagi pembaca semua. Terimakasih atas perhatian kawan-kawan. Salam…

Catatan: Solusi alternatif dikala data penelitian dalam uji one way anova tidak berdistribusi normal yaitu memakai statistik non paramtrik yakni dengan Uji Kruskal Wallis

[Search: Cara Melakukan Analisis Anova Satu Faktor dengan SPSS, Persyaratan Pengunaan Analisis Anova Satu Faktor, Panduan Langkah-langkah Uji Anova Satu Faktor memakai SPSS Interpretasi, Prosedur Analisis one way ANOVA SPSS]

Read More

Bimbingan Menjawab Soal Uji Two Way Anova Dengan Spss Lengkap

Bimbingan Menjawab Soal Uji Two Way Anova dengan SPSS Lengkap | Penggunaan uji anova dalam analisis data penelitian intinya bertujuan untuk mengetahui apakah ada perbedaan yang signifikan (perbedaan yang bermakna) pada nilai rata-rata dari beberapa kelompok data. Uji analisis anova atau sering disebut dengan istilah uji F ini, secara umum dibedakan menjadi 2 (dua) macam, yakni uji anova satu faktor (one way anova) dan uji anova dua faktor (two way anova). Perbedaan antara kedua analisis tersebut, yakni terletak pada jumlah faktor atau variabel bebas yang digunakan dalam sebuah penelitian. Jika analisis pada uji one way anova hanya teridiri dari 1 faktor saja, maka dalam uji two way anova analisis bisa digunakan untuk mengukur 2 faktor sekaligus. Oleh karenanya, uji two way anova disebut juga dengan nama uji faktorial. Sementara itu, selain sanggup diigunakan untuk mengetahui perbedaan antara beberapa kelompok data (variable faktor), uji two way anova sanggup juga mempunyai kegunaan untuk mendeteksi apakah terdapat interaksi antar-faktor dalam memilih variabel terikat (dependen).

PERSYARATAN DASAR UJI TWO WAY ANOVA

Setidaknya terdapat 4 persyaratan atau mekanisme yang harus terpenuhi sebelum kita sanggup melaksanakan uji two way anova guna menganalisis data penelitian atau menguji hipotesis. Adapun 4 persyaratan ini yaitu sebagai berikut.

1. Nilai Standardized Residual haruslah berdistribusi normal. Inilah syarat pertama yang harus terpenuhi sebelum kita melaksanakan uji two way anova. Oleh alasannya itu, kita perlu melaksanakan uji normalitas standardized residual terlebih dahulu untuk mendeteksi apakah nilai tersebut normal atau tidak. Jika ternyata sesudah pengujian dilakukan menawarkan hasil tidak normal. Maka kita harus melupakan uji two way anova, dan beralih ke statistik non parametrik | Panduan: Praktik Uji Normalitas Standardized Residual dalam Two Way Anova SPSS
2. Populasi-populasi dari varian data yaitu sama atau homogen. Cara mendeteksinya yaitu dengan melaksanakan uji homogenitas. Catatan: uji homogenitas sanggup dilakukan sekaligus pada dikala kita melaksanakan uji two way anova ini.
3. Sampel yang digunakan tidak bekerjasama satu sama lain. Maksudnya masing-masing populasi saling independen di dalam kelompoknya.
4. Persyaratan yang terakhir yaitu berkaitan dengan jenis data yang dipakai. Dimana untuk data variabel dependen (variabel terikat) harus berskala interval atau rasio. Sementara untuk data variabel independen (variabel bebas/faktor) yaitu berskala kategorial.

CONTOH SOAL UJI TWO WAY ANOVA

Seorang peneliti ingin mengetahui apakah terdapat berbedaan hasil mencar ilmu siswa Sekolah Menengah Pertama menurut jenjang pendidikan terakhir orang renta dan jenis kelamin siswa tersebut. Faktor jenjang pendidikan terakhir orang renta terdiri dari 3 (tiga) taraf, yaitu SMP, SLTA, dan Perguruan Tinggi (PT). Sementara faktor jenis kelamin terdiri dari 2 (dua) taraf, yakni Laki-laki dan Perempuan. Adapun data yang dikumpulkan oleh peneliti sebagaimana tabel dibawah ini.

HIPOTEISIS YANG DIAJUKAN DALAM UJI TWO WAY ANOVA

Penelitian ini dilakukan dengan memakai taraf signifikansi 5%. Adapun hipotesis yang hendak di uji oleh peneliti yaitu sebagai berikut.

1. Ada perbedaan hasil mencar ilmu matematika siswa menurut jenjang pendidikan terakhir orang tua.
2. Ada perbedaan hasil mencar ilmu matematika siswa menurut jenis kelamin siswa.
3. Ada interaksi jenjang pendidikan terakhir orang renta dengan jenis kelamin siswa dalam memilih hasil mencar ilmu matematika siswa.

PERSIAPAN DATA SEBELUM MELAKUKAN UJI TWO WAY ANOVA

Untuk mepermudah kita dalam melaksanakan analisis data memakai metode uji two way anova dengan SPSS, maka sebaiknya kita menciptakan pengkodean data terlebih dalulu untuk variabel faktor, yakni data jenjang pendidikan terakhir orang renta dan data jenis kelamin siswa. Pengkodean data untuk jenjang pendidikan terakhir orang renta dengan ketentuan: arahan 1 untuk SMP, arahan 2 untuk SLTA dan arahan 3 untuk PT. Hasil pengkodean data tersebut sanggup dilihat pada tebel dibawah ini.

Selanjutnya pengkodeaan data untuk data jenis kelamin siswa dengan ketentuan: arahan 1 untuk Laki-laki dan arahan 2 untuk Perempuan. Hasilnya sebagai berikut.

[Untuk latihan anda bisa mendownload semua data excel dan data.sav SPSS yang sudah saya susun | Download Data]

LANGKAH-LANGKAH UJI TWO WAY ANOVA DENGAN SPSS

Seperti biasa, langkah-langkah uji two way anova dengan SPSS ini dilakukan dalam 3 tahapan, yakni penginputan data, analisis data dan ouput SPSS. Baik, pribadi saja kita mulai tahap penginputan (memasukkan) data dalam kegiatan SPSS versi 21.

1. Pertama, buka kegiatan SPSS, kemudian klik Variable View, pada bab ini kita akan mengisi nama-nama variabel penelitian serta kelengkapan yang dibutuhkan:
Pertama yaitu variabel “Hasil Belajar Matematika”, maka isikan dengan ketentuan:
Name: tulis Hasil
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 0
Label: ketikkan Hasil Belajar Matematika
Value: pilih None
Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Scale
Role: pilih Input

Kedua yaitu variabel “Jenjang Pendidikan Terakhir Orang Tua”, maka isikan dengan ketentuan:
Name: ketikkan Pendidikan
Type, Width, Decimals samakan pilihan sebagaimana variabel pertama
Label: ketikkan Jenjang Pendidikan Terakhir Orang Tua
Value: klik pada bab none, maka akan muncul kotak obrolan “Value Labels” untuk kotak Value ketikkan 1, kemudian pada kotak Label isikan SMP, kemudian klik Add. Selanjutnya ketikkan 2 untuk kotak Value dan kotak Label isikan SLTA, kemudian klik Add. Berikutnya, ketikkan 3 untuk kotak Value dan kotak Label isikan PT, kemudian klik Add dan Ok. Jika sudah benar maka akan tampak menyerupai gambar dibawah ini

Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Nominal
Role: pilih Input

Ketiga yaitu variabel “Jenis Kelamin”, maka isikan dengan ketentuan:
Name: ketikkan Kelamin
Type, Width, Decimals samakan pilihannya menyerupai variabel pertama dan kedua
Label: ketikkan Jenis Kelamin
Value: klik pada bab none, maka akan muncul kotak obrolan “Value Labels” untuk kotak Value ketikkan 1, kemudian pada kotak Label isikan Laki-laki, kemudian klik Add. Selanjutnya, ketikkan 2 untuk kotak Value dan kotak Label isikan Perempuan, kemudian klik Add dan Ok. Maka tampilannya tampak sebagaimana gambar berikut.

Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Nominal
Role: pilih Input
Lihat tampilan “Variabel View” secara keseluruhan

2. Jika anda sudah benar-benar yakin, maka langkah berikutnya yaitu klik Data View, kemudian masukkan data penelitian yang sudah kita kodekan di atas sesuai masing-masing variabel. Lihat gambar penginputan data

3. Selanjutnya kita akan masuk pada tahap analisis data caranya dari sajian SPSS klik Analyze – General Linier Model – Univariate…

4. Dengan demikian maka akan muncul kotak obrolan “Univariate”, selanjutnya klik variabel Hasil Belajar Matematika, kemudian masukkan ke kotak Dependent Variable. Klik variabel Jenjang Pendidikan dan Jenis Kelamin ke kotak Fixed Factor(s), kemudian klik Options

5. Setelah klik Options, maka akan muncul kotak obrolan “Univariate: Options” masukkan variabel Pendidikan, Kelamin dan Pendidikan*Kelamin ke kolom Display Means for, kemudian pada kolom “Display” beri tanda centang (V) untuk Descriptives statistics dan Homogeneity tests, kemudian klik Continue

6. Terakhir klik Ok untuk menampilan Output SPSS.

INTERPRETASI OUTPUT UJI TWO WAY ANOVA DALAM SPSS

Supaya kita sanggup memahami dengan baik makna dari masing-masing output Univariate Analysis of Variance tersebut, maka klarifikasi dari output ini akan saya bagi untuk masing-masing output SPSS.

Output Pertama “Between-Subjects Factors”

Dalam output di atas kita disuguhkan wacana hasil dari subjek-subjek yang kita teliti. Subjek-subjek yang kita teliti dimasukkan dalam analisis data sesuai dengan faktor yang berbeda antar masing-masing variabel.

Output Kedua “Descriptive statistics”

Bagian output ini menampilkan ringkasan statistik deskriptif dari data yang dianalisis. Statistik deskriptif tersebut meliputi nilai mean, standar deviasi dan N atau jumlah masing-masing data.

Output Ketiga “Levene's Test of Equality of Error Variances”

Output Levene's ini digunakan untuk mengetahui apakah masing-masing varian dari variabel terikat (dependent) yaitu sama atau homogen. Adapun dasar pengambilan keputusan dalam uji homogenitas yaitu sebagai berikut.

1. Jika nilai Signifikansi (Sig.) lebih besar dari > 0,05, maka itu artinya varian variabel hasil mencar ilmu matematika yaitu sama atau homogen.
2. Jika nilai Signifikansi (Sig.) lebih kecil dari < 0,05, maka itu artinya varian variabel hasil mencar ilmu matematika yaitu tidak sama atau heterogen.

Berdasarkan output di atas diketahui bahwa nilai Signifikansi (Sig.) yaitu sebesar 0,748 > 0,05, sehingga sanggup disimpulkan bahwa varian variabel hasil mencar ilmu matematika yaitu sama atau homogen. Karena varian tersebut bersifat homogen maka itu artinya persyaratan dalam uji two way anova sudah terpenuhi.

Output Keempat “Tests of Between-Subjects Effects”

Tests of Between-Subjects Effects yaitu output untuk uji hipotesis penelitian ini. Kolom pertama menawarkan faktor apa saja yang yang ada dalam penelitian ini, kolom kedua menawarkan jumlah kuadrat (JK), kolom ketiga menujukkan derajat kebebasan (df), kolom keempat menawarkan rata-rata kuadrat (KT), kolom kelima menawarkan F hitung, dan kolom keenam menawarkan nilai signifikansi (Sig.).

DASAR PENGAMBILAN KEPUTUSAN DALAM UJI TWO WAY ANOVA

1. Jika nilai signifikansi (Sig.) < 0,05, maka ada perbedaan hasil mencar ilmu matematika siswa menurut variabel faktor.
2. Jika nilai signifikansi (Sig.) > 0,05, maka tidak ada perbedaan hasil mencar ilmu matematika siswa menurut variabel faktor.

PENGUJIAN HIPOTESIS DALAM UJI TWO WAY ANOVA SPSS

1. Melakukan pengujian hipotesis pertama, menurut output yang saya berikan warna merah, diperoleh nilai Sig. sebesar 0,000 < 0,05, sehingga hipotesis yang menyatakan bahwa “ada perbedaan hasil mencar ilmu matematika siswa menurut jenjang pendidikan terakhir orang tua” sanggup diterima.
2. Melakukan pengujian hipotesis kedua, menurut output yang saya beri warna biru, diperoleh nilai Sig. sebesar 0,685 > 0,05, sehingga hipotesis yang menyatakan bahwa “ada perbedaan hasil mencar ilmu matematika siswa menurut jenis kelamin siswa” ditolak.
3. Melakukan pengujian hipotesis ketiga, menurut output yang saya berikan warna hijau, diperoleh nilai Sig. sebesar 0,490 > 0,05, maka hipotesis yang menyatakan bahwa “ada interaksi jenjang pendidikan terakhir orang renta dengan jenis kelamin siswa dalam memilih hasil mencar ilmu matematika siswa” ditolak.

Output Kelima “Estimated Marginal Means”

Output bab kelima ini menjelaskan wacana perbedaan nilai rata-rata hasil mencar ilmu matematika menurut jenjang pendidikan terakhir orang renta dan jenis kelamin siswa secara desktiptif.

Demikianlah Bimbingan Menjawab Soal Uji Two Way Anova dengan SPSS yang bisa saya bagikan kepada kawan-kawan semua. Untuk pengembangannya kawan-kawan bisa berlatih sendiri ya. Terimakasih telah berkenan membaca artikel di atas supaya sanggup bermanfaat bagi kita semua.

Kajian Utama: VIDEO Bimbingan Praktis Cara Uji Two Way Anova dengan SPSS lengkap

[Search: Bimbingan Menjawab Soal Uji Two Way Anova dengan SPSS Lengkap, Cara melaksanakan Uji Analisis Two Way Anova dalam SPSS, Panduan Uji Two Way Anova SPSS, Langkah-langkah Uji Anova Dua Faktor dengan SPSS]

Read More