Cara Uji Normalitas Untuk One Way Anova Dengan Spss Lengkap

Cara Uji Normalitas untuk One Way Anova dengan SPSS Lengkap | Selamat pagi kawan-kawan semua, biar masih tetap semangat ya dalam menuntaskan penelitiannya. Pokoknya jangan pernah mengalah terus berjuang hingga akhir, alasannya ialah dibalik setiap kesulitan niscaya ada kemudahan. Admin doakan biar penelitiannya berjalan lancar dan sukses. Aamiin.

Pada kesempatan kali ini admin www.spssindonesia.com akan membagikan artikel panduan cara uji normalitas untuk one way anova dengan SPSS. Normalitas data merupakan persyaratan mutlak yang harus terpenuhi sebelum kita memakai uji one way anova untuk menganalisis data penelitian.

Namun demikian, sering terjadi peneliti yang mendapati data penelitiannya tidak berdistribusi normal, kemudian apa yang harus dilakukan dengan keadaan yang ibarat itu? Tenang! Ketika sebaran data tidak berdistribusi normal maka langkah pertama yang harus dilakukan ialah melaksanakan transformasi data ke bentuk Ln atau Logaritma natural dengan memanfaatkan sajian transform yang ada di SPSS, gres kemudian mengulangi uji normalitas dengan data Ln tersebut.

Jika dengan transformasi data (Ln) masih didapati data tidak berdistribusi normal, maka langkah kedua ialah mengganti uji one way anova dengan uji kruskal wallis sebagai alternatif analisis hipotesis untuk data tidak berdistribusi normal. Perlu kita pahami bahwa uji kruskal willis ialah cuilan dari statistik non parametrik yang tidak mensyaratkan data harus berdistribusi normal sebagaimana syarat yang ada dalam uji one way anova.

Metode Uji Normalitas untuk One Way Anova

Secara umum ada dua metode untuk melaksanakan Uji Normalitas untuk One Way Anova dengan SPSS, yakni dengan uji kolmogorov smirnov dan uji shapiro wilk. Adapun uji normalitas kolmogorov smirnov digunakan untuk data lebih dari 50 sampel. Sementara, uji shapiro wilk digunakan untuk data penelitian kurang dari 50 sampel.

Contoh Soal Uji Normalitas untuk One Way Anova

Seorang pemilik toko handphone ingin mengetahui penjualan handphone untuk merek Samsung, Oppo, Vivo, dan Lenovo yang ada di tokonya. Para pembeli handphone di toko itu hanya dihadapkan pada keempat merek handphone tersebut. Adapun data penjualan keempat merek handphone tersebut selama 10 ahad ialah sebagai berikut.

[Download Data]

Catatan: Untuk kebutuhan analisis di SPSS, maka kita perlu mengubah keempat merek handphope, ke dalam bentuk angka dengan ketentuan arahan merek Samsung=1, Oppo=2, Vivo=3, dan Lenovo=4. Kode merek sanggup anda lihat pada gambar di atas, yakni kolom yang saya beri garis kotak warna merah.

Uji one way anova sanggup kita gunakan untuk menuntaskan teladan soal di atas. Namun demikian terlebih dahulu kita harus melaksanakan uji normalitas untuk mengetahui apakah sebaran data penjualan keempat merek handpone tersebut berdistribusi normal atau tidak. Sebab, dalam uji one way anova perkiraan dasar yang harus terpenuhi ialah data berdistribusi normal.

Cara Uji Normalitas untuk One Way Anova dengan SPSS

1. Buka lembar kerja gres SPSS, kemudian klik Variable View untuk mengisi nama dan property variabel dengan ketentuan sebagai berikut:

Variabel “Merek” maka isikan:
Name: dikala Merek
Type: pilih Numeric
Width: pilih 1
Decimals: pilih 0
Catatan: Desimals isikan 0 terlebih dahulu gres kemudian Width isikan 1
Label: ketik Merek Handpone
Values: pilihan ini untuk proses tunjangan arahan handphone. Maka klik kotak kecil di kanan sel, maka akan muncul kotak obrolan “Value Labels” sebagai berikut

Cara mengisinya:
Value: ketik 1
Label: ketik Samsung
Klik Add
Value: ketik 2
Label: ketik Oppo
Klik Add
Value: ketik 3
Label: ketik Vivo
Klik Add
Value: ketik 4
Label: ketik Lenovo
Klik Add
Klik Ok

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

Variabel “Penjualan” maka isikan:
Name: dikala Penjualan
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 0
Label: ketik Penjualan 10 Minggu
Values: pilih None
Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Scale
Role: Pilih Input

Jika anda sudah mengisi dengan benar maka dilayar akan tampak sebagaimana gambar di berikut ini.

2. Langkah selanjutnya ialah klik Data View, kemudian masukkan data Merek dan Penjualan sesuai dengan kolom yang tersedia

3. Dari sajian SPSS klik Analyze – Descriptive Statistics – Explore…

4. Maka akan muncul kotak obrolan “Explore”, selanjutnya masukkan variabel Penjualan 10 Minggu ke kotak Dependen List, kemudian masukkan variabel Merek Handphone [Merek] ke kotak Factor List, pada cuilan “Display” pilih Both, kemudian klik Plots…

5. Maka akan mucul kotak obrolan “Explore: Plots”, kemudian berikan tanda centang (v) pada Normality Plot with tests, kemudian klik Continue

6. Jika sudah yakin benar, selanjutnya klik Ok untuk mengakhiri perintah. Maka muncul output SPSS. Perhatikan output ketiga, yakni pada tabel “Test of Normality”

Dasar Pengambilan Keputusan dalam Uji Normalitas

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

Interpretasi dan Pengambilan Keputusan Uji Normalitas

Penting: Karena data penelitian ini kurang dari 50 maka kita gunakan nilai Shapiro-Wilk Sig.

Dari output SPSS pada tabel Test of Normality di atas, diperoleh nilai Shapiro-Wilk Sig. untuk data penjualan handpone Samsung ialah sebesar 0,687, Oppo sebesar 0,372, Vivo sebesar 0,613, dan Lenovo sebesar 0,950. Berdasarkan dasar pengambilan keputusan dalam uji normalitas di atas, maka data penjualan untuk keempat merek handphone > 0,05. Dengan demikian sanggup disimpulkan bahwa data penjualan untuk keempat merek handphone (Samsung, Oppo, Vivo, dan Lenovo) ialah berdistribusi normal.

Karena perkiraan dasar normalitas sudah terpenuhi maka analisis stastistik parametrik dengan Uji One Way Anova sanggup dilakukan. Namun, kalau data penelitian ternyata tidak berdistribusi normal maka alternatif analisis data sebagai pengganti uji one way anova ialah dengan memakai statistik non parametrik yakni dengan uji kruskal wallis.

Baca: Cara Uji Kruskal Wallis Statistik Non Parametrik dengan SPSS

Baik hingga disini dulu pembahasan kita ihwal uji normalitas, muda-mudahan sanggup bermanfaat untuk kawan-kawan semua dalam menuntaskan penelitiannya. Semoga sukses ya. Terimakasih.

[Kata Kunci Pencarian: Cara Uji Normalitas untuk One Way Anova dengan SPSS Lengkap, Uji Normalitas Shapiro-Wilk dalam Uji One Way Anova, Tutorial Uji Normalitas untuk One Way Anova dengan Program SPSS Versi 21]-[Data penelitian pada artikel ini merupakan data fiktif sebagai materi latihan mengolah data memakai 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

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

Cara Uji Repeated Measures Anova Dengan Spss Serta Interpretasi

Cara Uji Repeated Measures Anova dengan SPSS serta Interpretasi | Penggunaan teknik repeated measures bertujuan untuk menguji apakah ada perbedaan secara faktual (signifikan) dari aneka macam hasil pengukuran yang dilakukan berulang-ulang pada suatu variabel penelitian. Perbedaan yang fundamental antara uji one way anova dengan uji repeated measures anova yakni terletak pada sampel yang diteliti. Dimana untuk uji one way anova sendiri sampel yang digunakan ialah sampel yang tidak berpasangan, sementara dalam uji repeated measures digunakan untuk sampel yang saling berpasangan.

Uji Repeated Measures Anova merupakan teknik lebih lanjut dari uji paired sample t test. Uji repeated measures anova ini, sanggup digunakan untuk menguji perbedaan dari tiga sampel atau lebih yang saling berpasangan. Sementara pada uji paired sample t test hanya untuk dua sampel berpasangan saja.

Asumsi Dasar dalam Uji Repeated Measures Anova

Persyaratan yang harus terpenuhi atau perkiraan dasar penggunaan uji repeated measures anova dalam analisis data penelitian ialah sebagai berikut.

1. Variabel independent (variabel bebas) memakai data berskala kategori. Sementara untuk variabel dependent (variabel terikat) memakai data berskala interval atau rasio (numerik).
2. Uji repeated measures anova merupakan pecahan dari statistik parametrik. Oleh lantaran itu, nilai Standardized Residual untuk semua pengukuran (variabel) harus berdistribusi normal. Sementara itu, kalau salah satu dari nilai Standardized Residual untuk variabel ada yang tidak normal, maka solusinya ialah mengganti analisis data dengan statistik non parametrik memakai uji friedman.
3. Data penelitian diasumsikan mempunyai varians yang sama atau homogen. Hal ini dibuktikan dengan nilai signifikansi (Sig.) > 0,05 pada Mauchly’s Test of Sphericity. Namun demikian, untuk persyaratan poin ke-3 ini bukanlah sebuah keharusan (tidak mutlak). Sebab, walaupun varians tidak homogen, akan tetapi kita tetap bisa melanjutkan penggunakan uji repeated measures anova untuk analisis data penelitian yakni dengan memperhatikan nilai Greenhouse-Geisser yang ada di tabel output SPSS Tests of Within-Subjects Effects.

Contoh Kasus Uji Repeated Measures Anova dalam Penelitian

Seorang peneliti ingin mengetahui apakah obat herbal merek SLIMJOS benar-benar bisa menurunkan berat tubuh seseorang dalam kurun waktu tertentu? Untuk keperluan penelitian ini, maka 17 orang yang akan melaksanakan kegiatan diet ditimbang untuk diketahui berat tubuh awal. Setelah itu 17 orang tersebut diberi minum obat herbal merek SLIMJOS, kemudian ditimbang kembali berat badannya seminggu dan sebulan kemudian sehabis sebelumnya rutin mengkonsumsi obat herbal ini. Berikut data berat tubuh tujuh belas orang responden tersebut.

[Download Data excel, Input-Output SPSS]

Keterangan: Contoh-responden nomor 1 mempunyai berat tubuh awal 90,4 kilogram, sehabis seminggu mengkonsumsi obat herbal merek SLIMJOS mengalami menutunan berat tubuh menjadi 90,3 kilogram. Kemudian sehabis sebulan rutin mengkonsumsi obat herbal tersebut, berat badannya menjadi 86,3 kilogram. Cara membaca data berat tubuh untuk responden nomor 2 dan seterusnya sebagaimana teladan pada responden nomor 1.

Identifikasi Variabel Penelitian

1. Variabel independent atau variabel bebas ialah waktu pengukuran berat badan. Terdiri dari 3 waktu pengukuran berat tubuh yaitu seminggu, sebulan dan setahun (data kategorikal).
2. Variabel dependent atau variabel terikat ialah data ukuran berat tubuh ke-17 orang responden (data numerik).

Cara Uji Repeated Measures Anova dengan SPSS

Ada beberapa tahapan untuk melaksanakan uji repeated measures anova dengan SPSS. Pertama, tahap penginputan data penelitian ke kegiatan SPSS. Kedua, melaksanakan uji normalitas pada nilai Standardized Residual untuk ukuran berat tubuh di ketiga waktu pengukuran. Ketiga melaksanakan analisis dengan uji repeated measures anova.

*Menginput Data Penelitian ke Program SPSS

1. Buka lembar kerja gres pada kegiatan SPSS, kemudian klik Variable View dalam mendefinisikan variabel penelitian yang ada pada kolom Name, Decimals, Label, Measure dan lainnya, sanggup ikuti ketentuan sebagaimana gambar bawah ini.

2. Jika sudah, langkah selanjutnya klik Data View, kemudian masukkan data berat tubuh ke-17 orang responden tersebut sesuai dengan waktu berat tubuh mereka diukur atau ditimbang. Tampak dilayar SPSS.

*Melakukan Uji Normalitas Nilai Standardized Residual

Persyaratan yang harus terpenuhi dalam uji repeated measures anova yaitu nilai standardized residual untuk data berat tubuh di ketiga data waktu pengukuran di atas ialah normal. Jika salah satu variabel tidak normal maka alternatif yang sanggup digunakan ialah melaksanakan uji friedman sebagai pengganti uji repeated measures anova. Adapun langkah-langkah uji normalitas standardized residual dengan SPSS ialah sebagai berikut.

3. Dari sajian SPSS, klik sajian Analyze >> General Linear Model >> Repeated Measures… Tampak di layar SPSS

4. Maka mucul kotak obrolan gres dengan nama “Repeated Measures Define Factor(s)” pada pecahan Whithin-Subject Faktor Name: ganti goresan pena factor1 dengan Waktu. Untuk kotak Number of Lavels: ketikkan 3 (karena ada 3 waktu pengukuran berat badan)

5. Kemudian klik Add, pada pecahan Measure Name: ketikkan Obat kemudian klik Add, selanjutnya klik Define, maka tampak di layar sebagai berikut.

6. Muncul kotak obrolan “Repeated Measures” pindahkan variabel BB Awal, BB Seminggu, dan BB Sebulan, ke kotak Whithin-Subject Variables (Waktu)

7. Selanjutnya klik Plots… maka muncul kota obrolan “Repeated Measures: Profile Plots” kemudian pindahkan variabel Waktu ke kotak Horizontal Axis, kemudian klik tombol Add, sehingga variabel Waktu berpindah di kotak Plots, kemudian klik Continue Tampak di layar.

8. Kembali ke kotak obrolan “Repeated Measures”, kemudian klik Save, maka muncul kotak obrolan “Repeated Measures: Save” pada pecahan Residuals berikan tanda centang (v) pada pilihan Standardized, kemudian klik Continue

9. Kembali lagi ke kotak obrolan “Repeated Measures”, selanjutnya klik Options, maka muncul kotak obrolan “Repeated Measures: Options” kemudian masukkan variabel Waktu ke kotak Display Means for, kemudian aktifkan Compare main effects, pada pecahan Confidence interval adjustmen pilih Bonfferoni, kemudian klik Continue selanjutnya klik Ok. Tampak di layar.

10. Penting: Output SPSS yang muncul tersebut ialah output Uji Repeated Measures Anova namun kita abaikan dulu saja (karena kita akan memaknainya nanti sehabis persyaratan normalitas sudah terpenuhi).

11. Buka Data View, perhatikan pada tampilan Data View ini terlihat ada variabel gres dengan nama ZRE_1, ZRE_2, dan ZRE_3. Nah, inilah yang disebut dengan nilai Standardized Residual

12. Selanjutnya untuk melaksanakan uji normalitas untuk nilai Standardized Residual, klik sajian Analyze >>Descriptive Statistics >> Explore…

13. Maka muncul kotak obrolan dengan nama “Explore” kemudian masukkan ketiga variabel Standardized Residual ke kotak Dependent List: selanjutnya klik Plots…

14. Muncul kotak obrolan “Explore Plots” kemudian beri tanda centang (v) pada pilihan Normality plots with tests, kemudian klik Continue, kemudian klik Ok. Maka akan mucul output SPSS, untuk uji normalitas kita cukup memperhatikan tabel output “Tests of Normality”

*Pembahasan Uji Normalitas Nilai Standardized Residual



Untuk mengetahui apakah ketiga variabel Standardized Residual ini normal atau tidak, maka terlebih dahulu kita harus mengetahui dasar pengambilan keputusan dalam uji normalitas dengan kententuan sebagai berikut.

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

Berdasarkan tabel output SPSS “Tests of Normality” diketahui nilai Sig. untuk uji normalitas dengan teknik Shapiro-Wilk ialah sebagai berikut.

1. Standardized Residual for Awal Sig. 0,359
2. Standardized Residual for Seminggu Sig. 0,410
3. Standardized Residual for Sebulan Sig. 0,458

Karena nilai signifikansi (Sig.) untuk semua variabel Standardized Residual di atas > 0,05 maka sanggup disimpulkan bahwa data berat tubuh untuk ketiga waktu pengukuran tersebut ialah normal. Dengan demikian, analisis data untuk penelitian ini sanggup dilakukan dengan metode statistik parametrik dengan Uji Repeated Measures Anova.

Catatan: teknik Shapiro-Wilk digunakan untuk sampel kecil yakni < 50 sampel. Sementara teknik Kolmogorov-Smirnov digunakan untuk sampel besar yakni > 50 sampel.

Interpretasi Output Uji Repeated Measures Anova SPSS

Tabel output SPSS untuk uji repeated measures anova sanggup dilihat pada proses analisis SPSS di atas, yaitu pada LANGKAH KE-10. Adapun interpretasi dari tabel-tabel output SPSS tersebut ialah sebagai berikut.

Tabel Output “Within-Subjects Factors”

Tabel output di atas menjelaskan bahwa ada tiga variabel berat tubuh untuk tiga waktu pengukuran berat tubuh yang berbeda.

Tabel Output “Mauchly's Test of Sphericity”

Seperti yang sudah saya bahas di awal, bahwa perkiraan atau persyaratan yang mendasari (bukan syarat mutlak) uji repeated measures anova yaitu data penelitian mempunyai varians yang sama melalui nilai Sphericity. Berdasarkan output di atas, diketahui nilai Signifikansi (Sig.) sebesar 0,002 < 0,05, maka sanggup disimpulkan bahwa data penelitian ini tidak memenuhi perkiraan kesamaan varians. Untuk kasus ibarat ini anda tidak perlu khawatir, alasannya ialah uji repeated measures anova masih tetap bisa dilanjutkan yakni dengan mengacu pada nilai Greenhouse-Geisser yang akan kita bahas pada tabel output Tests of Within-Subjects Effects.

Catatan: Jika perkiraan atau persyaratan Sphericity terpenuhi, maka pengambilan keputusan dalam uji repeated measures anova mengacu pada nilai Sphericity Assumed.

Tabel Output “Tests of Within-Subjects Effects”

Tabel output di atas ialah tabel paling mentukan dalam uji repeated measures anova. Dalam hal ini, ada tiga tahapan yang harus dilalui untuk memaknai hasil output tersebut. Pertama, menciptakan rumusan hipotesis penelitian. Kedua, mengetahui dasar pengambilan keputusan dalam uji repeated measures anova. Ketiga ialah penarikan kesimpulan.

*Rumusan Hipotesis Penelitian

1. H0: Tidak ada perbedaan rata-rata penurunan berat tubuh pada ketiga kelompok interval waktu pengukuran.
2. Ha: Ada perbedaan rata-rata penurunan berat tubuh pada ketiga kelompok interval waktu pengukuran.

*Dasar Pengambilan Keputusan dalam Uji Repeated Measures Anova

1. Jika nilai Greenhouse-Geisser Sig. > 0,05, maka H0 diterima dan Ha ditolak.
2. Jika nilai Greenhouse-Geisser Sig. < 0,05, maka H0 ditolak dan Ha diterima.

*Penarikan Kesimpulan: menurut tabel output Tests of Within-Subjects Effects di atas, diketahui nilai Greenhouse-Geisser Sig ialah sebesar 0,000 < 0,05. Maka H0 ditolak dan Ha diterima atau dengan kata lain ada perbedaan rata-rata penurunan berat tubuh yang faktual (signifikan) dari waktu ke waktu. Dengan demikian sanggup disimpulkan bahwa obat herbal merek SLIMJOS benar-benar bisa menurunkan berat tubuh seseorang.

Tabel Output “Pairwise Comparisons”

Tabel output di atas memperlihatkan info mengenai rata-rata penurunan berat tubuh untuk setiap pengukuran dari waktu ke waktu (awal, semiggu, dan sebulan). Angka 1 memperlihatkan waktu pengukuran berat tubuh awal, angka 2 memperlihatkan waktu pengkuran berat tubuh seminggu, dan angka 3 memperlihatkan waktu pengukuran berat tubuh sebulan sehabis rutin mengkonsumsi obat herbal merek SLIMJOS. Adapun penjelasannya sanggup anda simak pada poin-poin di bawah ini.

1. Nomor 1 (berat tubuh awal) dibandingkan dengan nomor 2 (berat tubuh seminggu), terjadi rata-rata penurunan berat tubuh sebesar 0,771 kilogram dan perbedaan penurunan berat bedan tersebut ialah faktual alasannya ialah nilai Sig. sebesar 0,001 < 0,05.
2. Nomor 1 (berat tubuh awal) dibandingkan dengan nomor 3 (berat tubuh sebulan), terjadi rata-rata penurunan berat tubuh sebesar 3,818 kilogram dan perbedaan penurunan berat bedan tersebut ialah faktual alasannya ialah nilai Sig. sebesar 0,000 < 0,05.
3. Nomor 2 (berat tubuh seminggu) dibandingkan dengan nomor 3 (berat tubuh sebulan), terjadi rata-rata penurunan berat tubuh sebesar 3,047 kilogram dan perbedaan penurunan berat bedan tersebut ialah faktual alasannya ialah nilai Sig. sebesar 0,000 < 0,05.

Oleh lantaran itu sanggup dismpulkan bahwa dengan rutin mengkonsumsi obat herbal merek SLIMJOS sanggup menurunkan rata-rata berat tubuh seseorang sebesar 0,771 kilogram dalam waktu seminggu dan 3,818 kilogram dalam waktu sebulan.

Gambar Output “Profile Plots”

Gambar Plots di atas memperlihatkan ketajaman rata-rata penurunan berat tubuh dari waktu ke waktu berat tubuh tersebut di ukur atau di timbang.

Demikian pembahasan mengenai cara melaksanakan analisis data penelitian dengan uji repeated measures anova memakai kegiatan SPSS beserta interpretasinya. Selanjutnya silahkan anda bagikan panduan ini ke media umum anda supaya panduan ini sanggup bermanfaat bagi orang banyak. Terimakasih telah berkenan membaca goresan pena ini, selamat mencoba dan agar sukses. Salam hangat dari saya Sahid Raharjo.

VIDEO: Tutorial Uji Repeated Measures Anova dengan SPSS Serta Interpretasi

[Kata Kunci Pencarian: Cara Uji Repeated Measures Anova dengan SPSS Serta Interpretasi, Langkah-langkah Statistik Parametrik dengan Uji Repeated Measures Anova memakai Program SPSS, Tutorial Uji Repeated Measures Anova dengan SPSS Lengkap]

Read More