Interprestasi Output Two Way Anova dengan SPSS
Artikel kali ini merupakan lanjutan dari artikel sebelumnya yang berjudul “Two Way Anova dalam SPSS“. Dalam artikel tersebut dijelaskan langkah demi langkah melakukan uji Two Way Anova dengan menggunakan aplikasi SPSS. Oleh karena itu, sebagai kelanjutan artikel sebelumnya, maka disini kami akan menjelaskan tutorial cara interprestasi Output Two Way ANOVA dengan SPSS.
Baca Artikel di link ini: “Two Way Anova dalam SPSS“.
Sedangkan pada artikel ini, akan dijelaskan cara membaca output dari uji tersebut dan bagaimana menginterprestasikannya, hingga menjawab hipotesis.
Demi kemudahan, sebaiknya anda download file-file kerja SPSS contoh uji ini di link berikut:
Tutorial Cara Baca Output Two Way ANOVA dengan SPSS
Dengan menggunakan data pada artikel sebelumnya tersebut, maka kita lihat output di bawah ini:
Dari tabel di atas, kita bisa menilai rata-rata nilai ujian berdasarkan gender dan pendidikan. sebagai contoh: nilai rata-rata ujian pria dengan pendidikan SLTP sebesar 32,43 sedangkan nilai ujian wanita yang berpendidikan SLTA sebesar 65,13 dan begitu seterusnya.
Asumsi Homogenitas: Levene Test
Di bawah ini adalah Tabel Levene’s Test. Digunakan untuk menilai homogenitas tiap variabel.
Di atas menunjukkan nilai (Signifikansi) Sig. 0,527 di mana > 0,05 sehingga bisa dikatakan varian antar group berbeda secara signifikan.
Output Two Way ANOVA dengan SPSS
Tabel di bawah ini menunjukkan hasil dari uji Two Way Anova:
Dari tabel di atas, kita mendapatkan nilai-nilai penting yang bisa disimpulkan sebagai berikut:
Corrected Model:
Pengaruh Semua Variabel independen (Gender, Pendidikan dan Interaksi gender dengan pendidikan atau “Gender*Pendidikan”) secara bersama-sama terhadap variabel dependen (Nilai Ujian). Apabila Signifikansi (Sig.) < 0,05 (Alfa) = Signifikan. Contoh di atas 0,000 berarti model valid.
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.
Gender:
Pengaruh gender terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) < 0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti gender berpengaruh signifikan.
Pendidikan:
Pengaruh pendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,000 berarti Pendidikan berpengaruh signifikan.
Gender*Pendidikan:
Pengaruh Genderpendidikan terhadap nilai ujian di dalam model. Apabila Signifikansi (Sig.) <0,05 (Alfa)= Signifikan. Contoh di atas 0,005 berarti genderpendidikan berpengaruh signifikan.
Error:
Nilai Error model, semakin kecil maka model semakin baik.
R Squared:
Nilai determinasi berganda semua variabel independen dengan dependen. Contoh di atas 0,668 di mana mendekati 1, berarti korelasi kuat.
Kesimpulan Hipotesis Two Way ANOVA
Dari 7 kesimpulan di atas, dalam uji Two Way Anova, poin 1, 3, 4 dan 5 adalah yang terpenting (tanpa mengabaikan yang lain). Oleh karena hasil uji F menunjukkan bahwa signifikan ada perbedaan atau menerima H1, maka selayaknya Uji ANOVA ini dilanjutkan ke tahap selanjutnya, yaitu Uji Post Hoc.
Post Hoc Test
Dalam rangka Interprestasi Output Two Way ANOVA dengan SPSS, maka anda harus pahami tentang uji post hoc berikut. Sedikit review saja, bahwa uji post hoc adalah uji lanjut atau uji yang menilai adanya perbedaan signifikan antar kelompok.
Tabel Tukey Post Hoc
Tabel di bawah ini adalah Tabel Tukey Post Hoc digunakan untuk menilai kategori manakah dari variabel pendidikan yang memiliki perbedaan signifikan:
Yang ada perbedaan signifikan ditandai dengan tanda bintang (*). Dari tabel di atas, semuanya ditandai dengan bintang, berarti semuanya ada perbedaan yang signifikan.
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.
Diagram di atas menunjukkan ada ketidak sejajaran garis, maka dicurigai ada efek interaksi.
Demikian ulasang singkat tentang Uji Two Way Anova dengan SPSS. Semoga artikel kami ini yang telah membahas Interprestasi Output Two Way ANOVA dengan SPSS, kiranya dapat bermanfaat buat para pembaca sekalian.
Baca Artikel Berikutnya: Uji Manova dalam SPSS.
By Anwar Hidayat
Makasih artikelnya sangat membantu, semga sukses
terimakasih ya,artikelnya membantu bgt..
terima kasih banyak atas artikelnya, cukup membantu sekali.
pak apakah syarat post hoc harus signifikan pada uji two way anova?
saya mencoba melakukan post hoc tukey pada variabel yang tidak signifikan di uji two way. hasilnya menunjukkan ada perbedaan pada beberapa kelompok tetapi jg ada bbrp kelompok yang tidak signifikan. jadi apakah hasil tersebut bisa saya gunakan atau kembali lagi syarat post hoc yang harus signifikan sehingga post hoc tersebut tidak perlu dilakukan?
Uji post hoc adalah uji lanjut yang dilakukan peneliti untuk mengetahui mana yang memberikan perbedaan pada hasil uji omnibus atau uji F. Sehingga disini, maksud dari post hoc bukanlah butuh syarat, tetapi post hoc dibutuhkan jika omnibus terima H1 atau memberikan perbedaan bermakna. Jadi penekanan pertanyaan anda seharusnya mengarah kepada fungsi atau tujuan dari post hoc, bukan syarat sahnya post hoc.
untuk melihat pengaruh variabel suhu dan salinitas terhadap hasil tangkapan ikan. apakah menggunakan analisis Two Way ANOVA atau Multy ?
Jika hipotesisnya seperti yang anda sebutkan serta variabel bebasnya yaitu suhu dan salinitas adalah kualitatif atau kelompok kemudian membentuk faktorial (misalnya suhu ada 3 kelompok dan tiap kelompok suhu ada 3 kelompok salinitas) dan variabel terikat adalah tangkapan ikan yang merupakan data kuantitatif (skala data interval atau rasio) maka sudah benar jika menggunakan analisis two way ANOVA.