anova spss

Anova

Digunakan untuk menguji beda rerata dari 3 atau lebih kelompok sampel. Penggunaannya harus memperhatikan beberapa asumsi :

1. Varians homogen

2. Sampel kelompok independen

3. Data terdistribusi normal

Beberapa persyaratan yang harus dipenuhi dalam melakukan uji anova adalah sebagai berikut :
1. Sampel diambil secara acak dari masing-masing populasi.
2. Jika sampel mendapat perlakuan yang berbeda, maka penetapan jenis perlakuan dilakukan dengan cara randomisasi.
3. Populasi-populasi asal sampel mempunyai distribusi normal.
4. Setiap populasi mempunyai varian sama.
5. Data yang diambil dalam skala data ratio atau interval.

menu anova pada spss terletak di general libear model, dengan langkah-langkah seperti berikut:

contoh

Seorang peneliti menganalisis perbedaan tingkat pengetahuan berdasarkan skoring tentang manfaat pemberian MP-ASI antara ibu berpendidikan SD, SMP dan SMU yang dilakukan pengumpulan data pada 36 ibu.

no	Skoring Pengetahuan MP-ASI
	sd	smp	sma
1	6	5	6
2	8	6	9
3	5	6	8
4	7	7	7
5	7	5	8
6	6	5	9
7	6	5	6
8	8	6	6
9	7	5	9
10	6	6	8
11	7	8	6
12	6	7	8

- Terdiri dari 2 variabel yaitu “Tingkat pendidikan” dengan simbol “DIDIK” dan “skoring pengetahuan” dengan simbol “Skor_Th”

- Secara sederhana data yang akan dimasukkan sebagai berikut

No	Didik	Skot_Th	No	DIDIK	Skot_Th
1	1	6	19	2	5
2	1	8	20	2	6
3	1	5	21	2	5
4	1	7	22	2	6
5	1	7	23	2	8
6	1	6	24	3	7
7	1	6	25	3	6
8	1	8	26	3	9
9	1	7	27	3	8
10	1	6	28	3	7
11	1	7	29	3	8
12	2	5	30	3	9
13	2	6	31	3	6
14	2	6	32	3	6
15	2	7	33	3	9
16	2	5	34	3	8
17	2	5	35	3	6
18	2	5	36	3	8

Pada variabel DIDIK, angka 1 merupakan simbol untuk pendidikan SD, angka 2 = simbol SMP dan angka 3 = simbol SMU.

-      - Setelah datanya dimasukkan, pilih menu Analyze -> compare means -> One Way Anova

-      Masukkan variabel tingkat pendidikan pada kolom “Factor” dan skoring pengetahuan pada kolom “Dependent List”

-      Pilih menu “Option”.

-       Centang menu “Descriptive” -> Continue

-      Pilih menu “Post Hoc”

-       Centang menu “Bonferroni” -> Continue -> OK  

Hasil olah data SPSS

Descriptives skor pengetahuan manfaat MP ASI
	N	Mean	Std. Deviation	Std. Error	95% Confidence Interval for Mean		Minimum	Maximum
					Lower Bound	Upper Bound
Sd	11	6.64	.924	.279	6.02	7.26	5	8
Smp	11	5.55	.688	.207	5.08	6.01	5	7
Smu	14	7.50	1.160	.310	6.83	8.17	6	9
Total	36	6.64	1.246	.208	6.22	7.06	5	9

ANOVA Skor pengetahuan manfaat MP-ASI
	Sum of Squares	Df	Mean Square	F	Sig.
Between Groups	23.533	2	11.766	12.618	.000
Within Groups	30.773	33	.933
Total	54.306	35

Multiple Comparisons Skor pengetahuan manfaat MP-ASI
(I) didik	(J) didik	Mean Difference (I-J)	Std. Error	Sig.	95% Confidence Interval
					Lower Bound	Upper Bound
Sd	2	1.091*	.412	.037	.05	2.13
	3	-.864	.389	.100	-1.84	.12
Smp	1	-1.091*	.412	.037	-2.13	-.05
	3	-1.955*	.389	.000	-2.94	-.97
Smu	1	.864	.389	.100	-.12	1.84
	2	1.955*	.389	.000	.97	2.94
*. The mean difference is significant at the 0.05 level.

ANALISIS DATA UNTUK UJI PERSYARATAN UJI HIPOTESIS

 Uji Normalitas

Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari populasi yang berdistribusi normal. Ada beberapa teknik yang dapat digunakan untuk menguji normalitas

data, antara lain uji chi-kuadrat, uji lilliefors, dan uji kolmogorov-smirnov.

Untuk menguji normalitas data dengan SPSS, lakukan langkah- langkah berikut ini.

· Entry data atau buka file data yang akan dianalisis

· Pilih menu berikut ini

Analyze-> Descriptives Statistics-> Explore

Selanjutnya:

· Pilih y sebagai dependent list

· Pilih x sebagai factor list, apabila ada lebih dari 1 kelompok data

· Klik tombol Plots

· Pilih Normality test with plots, seperti tampak pada gambar di bawah ini.

· Klik Continue, lalu klik OK

Hasil uji normalitas:

Case Processing Summary
	didik	Cases
		Valid		Missing		Total
		N	Percent	N	Percent	N	Percent
skor	Sd	11	100.0%	0	.0%	11	100.0%
	Smp	11	100.0%	0	.0%	11	100.0%
	Smu	14	100.0%	0	.0%	14	100.0%

Descriptives
	didik			Statistic	Std. Error
Skor	Sd	Mean		6.64	.279
		95% Confidence Interval for Mean	Lower Bound	6.02
			Upper Bound	7.26
		5% Trimmed Mean		6.65
		Median		7.00
		Variance		.855
		Std. Deviation		.924
		Minimum		5
		Maximum		8
		Range		3
		Interquartile Range		1
		Skewness		-.023	.661
		Kurtosis		-.448	1.279
	Smp	Mean		5.55	.207
		95% Confidence Interval for Mean	Lower Bound	5.08
			Upper Bound	6.01
		5% Trimmed Mean		5.49
		Median		5.00
		Variance		.473
		Std. Deviation		.688
		Minimum		5
		Maximum		7
		Range		2
		Interquartile Range		1
		Skewness		.932	.661
		Kurtosis		.081	1.279
	Sma	Mean		7.50	.310
		95% Confidence Interval for Mean	Lower Bound	6.83
			Upper Bound	8.17
		5% Trimmed Mean		7.50
		Median		8.00
		Variance		1.346
		Std. Deviation		1.160
		Minimum		6
		Maximum		9
		Range		3
		Interquartile Range		2
		Skewness		-.172	.597
		Kurtosis		-1.418	1.154

Tests of Normality
	didik	Kolmogorov-Smirnova			Shapiro-Wilk
		Statistic	df	Sig.	Statistic	df	Sig.
skor	Sd	.209	11	.195	.906	11	.217
	Smp	.332	11	.001	.756	11	.002
	Sma	.238	14	.030	.854	14	.025
a. Lilliefors Significance Correction