Two Ways Anova
Click here to load reader
Transcript of Two Ways Anova
![Page 1: Two Ways Anova](https://reader038.fdocument.pub/reader038/viewer/2022100517/5571fac84979599169931831/html5/thumbnails/1.jpg)
TWO WAYS ANOVA (ANALISIS OF VARIANCE)
http://teorionline.wordpress.com/
A PENDAHULUAN
Analisis of variance atau ANOVA merupakan salah satu teknik analisis multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Analisis varian termasuk dalam kategori statistik parametric. Sebagai alat statistika parametric, maka untuk dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas, heterokedastisitas dan random sampling (Ghozali, 2009).
Analisis varian dapat dilakukan untuk menganalisis data yang berasal dari berbagai macam jenis dan desain penelitian. Analisis varian banyak dipergunakan pada penelitian-penelitian yang banyak melibatkan pengujian komparatif yaitu menguji variabel terikat dengan cara membandingkannya pada kelompok2 sampel independen yang diamati. Analisis varian saat ini banyak digunakan dalam penelitian survey dan penelitian eksperimen.
Two ways Anova
Anova dua jalur memiliki perbedaan dibanding anova satu jalur. Perbedaannya adalah pada jumlah variabel independen. Pada anova satu jalur hanya ada satu variabel independen, sementara pada anova dua jalur ada dua atau lebih variabel independen.
B Contoh Kasus
Akan diuji perbedaan gaji berdasarkan jenis kelamin, dan masa kerja.
Data ambil di sini
Klik Analyze > General Liniear Model > Univariate
Masukkan variabel gaji ke kotak dependen list, dan masukkan variabel jenis kelamin dan masa kerja ke dalam kotak Fixed Factor
Klik Options, dan pilih Descriptive dan Homogenity Test
Klik Post Hoc Test, lalu masukkan variabel masa kerja ke kotak Post Hoc Test For. variabel jenis kelamin tidak perlu dimasukkan karena hanya terdiri dari dua kelompok. Tandai LSD dan DUNCAN, lalu klik continue
![Page 2: Two Ways Anova](https://reader038.fdocument.pub/reader038/viewer/2022100517/5571fac84979599169931831/html5/thumbnails/2.jpg)
Klik OK
INTERPRESTASI
Pertama adalah deskripsi hasil. Berdasarkan output Deskriptif diperoleh rata-rata gaji berdasarkan jenis kelamin dan masa kerja. Pada output di atas terlihat bahwa karyawan laki-laki yang memiliki masa kerja < 5 tahun memiliki rata-rata gaji sebesar 3.7 juta, laki-laki yang memiliki masa kerja 6 – 10 memiliki rata-rata gaji sebesar 3.2 juta dan yang memiliki masa kerja di atas 10 tahun mempunyai gaji rata-rata 2.04 juta (dan seterusnya) Standar deviasi terendah adalah di kelompok laki-laki yang memiliki masa kerja < 5 tahun, sementara yang tertinggi adalah di kelompok laki-laki yang memiliki masa kerja > 10 tahun. Semakin besar nilai standar deviasi menunjukkan semakin besarnya variasi data. Dengan demikian, dapat disimpulkan bahwa kelompok yang paling bervariasi dalam hal gaji adalah kelompok karyawan laki-laki yang memiliki masa kerja > 10 tahun sebesar 1.03 juta.
Between-Subjects Factors
Male 22female 23< 5 tahun 156 - 10 tahun 15> 10 th 15
1.002.00
KEL
1.002.003.00
MASA
Value Label N
Descriptive Statistics
Dependent Variable: GAJI
3.7200 .24900 53.2200 .46140 102.0429 .21492 72.9591 .75256 223.4400 .39215 103.1200 .65345 52.3875 .51113 83.0043 .67182 233.5333 .36775 153.1867 .51111 152.2267 .42673 152.9822 .70462 45
MASA< 5 tahun6 - 10 tahun> 10 thTotal< 5 tahun6 - 10 tahun> 10 thTotal< 5 tahun6 - 10 tahun> 10 thTotal
KELMale
female
Total
Mean Std. Deviation N
![Page 3: Two Ways Anova](https://reader038.fdocument.pub/reader038/viewer/2022100517/5571fac84979599169931831/html5/thumbnails/3.jpg)
Output Anova dua jalur menunjukkan bahwa hasil uji F untuk variabel independen jenis kelamin maupun masa kerja mempunyai signifikansi di atas 0.05. Sehingga dapat disimpulkan bahwa tidak terdapat perbedaan gaji yang signifikan dilihat dari jenis kelamin maupun masa kerja.
Hasil uji anova dua jalur didukung dengan hasil uji post hoc LSD yang menunjukkan seluruh sig > 0.05 sehingga dapat dinyatakan tidak ada kelompok yang berbeda dalam hal gaji.
Multiple Comparisons
Dependent Variable: GAJI
-.0455 .26723 .866 -.5861 .4950.1521 .26243 .566 -.3787 .6829.0455 .26723 .866 -.4950 .5861.1976 .27135 .471 -.3512 .7465
-.1521 .26243 .566 -.6829 .3787-.1976 .27135 .471 -.7465 .3512
(J) MASA6 - 10 tahun> 10 th< 5 tahun> 10 th< 5 tahun6 - 10 tahun
(I) MASA< 5 tahun
6 - 10 tahun
> 10 th
LSD
MeanDifference
(I-J) Std. Error Sig. Lower Bound Upper Bound95% Confidence Interval
Based on observed means.
![Page 4: Two Ways Anova](https://reader038.fdocument.pub/reader038/viewer/2022100517/5571fac84979599169931831/html5/thumbnails/4.jpg)
Lalu pada bagian uji Duncan. menunjukkan hasil yang sama dengan LSD. Terlihat bahwa 3 kelompok yang diuji masuk ke dalam satu kolom subset yang mengindikasikan tidak adanya perbedaan yang signifikan antar kelompok yang ingin diuji perbedaannya.
UJI INTERAKSI
hasil uji interaksi menunjukkan bahsa nilai signifikansi sebesar 0.850. dengan demikian dapat disimpulkan bahwa tidak ada interaksi antara dua variabel (jenis kelamin dan masa kerja) dalam mempengaruhi gaji
GAJI
15 2.866716 3.018814 3.0643
.491
MASA> 10 th< 5 tahun6 - 10 tahunSig.
Duncana,b,cN 1
Subset
Means for groups in homogeneous subsets are displayed.Based on Type III Sum of SquaresThe error term is Mean Square(Error) = .533.
Uses Harmonic Mean Sample Size = 14.955.a.
The group sizes are unequal. The harmonic meanof the group sizes is used. Type I error levels arenot guaranteed.
b.
Alpha = .05.c.
Tests of Between-Subjects Effects
Dependent Variable: GAJI
1.051a 5 .210 .394 .850380.896 1 380.896 714.362 .000
1.051 5 .210 .394 .85020.795 39 .533
422.060 4521.846 44
SourceCorrected ModelInterceptKEL * MASAErrorTotalCorrected Total
Type III Sumof Squares df Mean Square F Sig.
R Squared = .048 (Adjusted R Squared = -.074)a.
![Page 5: Two Ways Anova](https://reader038.fdocument.pub/reader038/viewer/2022100517/5571fac84979599169931831/html5/thumbnails/5.jpg)