Cara Uji ANOVA di SPSS: Satu Arah, Dua Arah, dan Post Hoc

Uji ANOVA (analysis of variance) di SPSS dipakai untuk menguji apakah rata-rata tiga kelompok atau lebih berbeda secara signifikan, misalnya nilai ujian dari tiga metode pembelajaran. Jalankan Analyze → Compare Means → One-Way ANOVA, lalu baca nilai Sig. pada tabel ANOVA: jika < 0,05, setidaknya ada satu pasang rata-rata yang berbeda dan uji post hoc menunjukkan pasangan mana. Panduan ini membahas ANOVA satu arah dan dua arah dengan satu set data contoh, termasuk langkah ketika asumsi homogenitas varians tidak terpenuhi.

Langkah Singkat Uji ANOVA di SPSS

1. Susun data dalam dua kolom: variabel kelompok (kode 1, 2, 3) dan variabel terikat berskala interval/rasio.
2. Cek normalitas per kelompok dengan Shapiro-Wilk (Analyze → Descriptive Statistics → Explore).
3. Klik Analyze → Compare Means → One-Way ANOVA; isi Dependent List dan Factor.
4. Centang Estimate effect size for overall tests (SPSS 27 ke atas).
5. Di Options, centang Descriptive, Homogeneity of variance test, dan Welch.
6. Di Post Hoc, pilih Tukey dan Games-Howell, lalu klik OK.
7. Baca Levene: jika Sig. > 0,05, pakai tabel ANOVA dan Tukey; jika ≤ 0,05, pakai Welch dan Games-Howell.
8. Laporkan F, df, p, ukuran efek, dan hasil post hoc.

Di SPSS 29 ke atas, menu Compare Means tampil dengan nama Compare Means and Proportions; isi dan letak prosedurnya sama (Kent State University Libraries, t.t.).

Kapan Memakai ANOVA dan Apa Asumsinya?

ANOVA cocok bila variabel terikat berskala interval/rasio dan variabel bebasnya kategorik. Hipotesis statistiknya untuk tiga kelompok:

• H0: μ1 = μ2 = μ3 (rata-rata ketiga kelompok sama).
• H1: minimal satu μ berbeda dari yang lain.

Perumusan hipotesis penelitian yang menyertainya dibahas dalam panduan merumuskan hipotesis penelitian. Pilih jenis uji berdasarkan desain:

Untuk dua kelompok, gunakan uji t independen. ANOVA pada dua kelompok sebenarnya memberi hasil yang sama persis (F = t² dengan p yang identik), tetapi uji t lebih lazim dan bisa dibuat satu arah.

Asumsi ANOVA dan Cara Mengeceknya

Untuk normalitas, masukkan variabel terikat ke Dependent List dan variabel kelompok ke Factor List pada menu Explore; langkah lengkap dan cara membaca tabelnya ada di panduan uji normalitas SPSS. Bila setiap kelompok berisi minimal sekitar 30 subjek, ANOVA umumnya tahan terhadap penyimpangan normalitas yang ringan berkat Central Limit Theorem, tetapi hasil uji normalitas dan alasannya tetap dilaporkan (Field, 2018).

One-Way ANOVA di SPSS: Contoh dan Langkah

Data Contoh: Metode Pembelajaran dan Nilai Ujian

Data ilustrasi (fiktif) untuk latihan: 90 mahasiswa dibagi rata ke tiga metode pembelajaran (Konvensional, E-Learning, Hybrid), masing-masing 15 laki-laki dan 15 perempuan. Variabel terikatnya nilai ujian akhir (0–100). Data yang sama dipakai untuk ANOVA satu arah (faktor metode) dan ANOVA dua arah (metode × jenis kelamin).

Susun data dalam tiga kolom: Metode (1 = Konvensional, 2 = E-Learning, 3 = Hybrid), JK (1 = Laki-laki, 2 = Perempuan), dan Nilai. Tambahkan Value Labels di Variable View agar output memakai nama kelompok, bukan angka.

Langkah One-Way ANOVA di SPSS

1. Klik Analyze → Compare Means → One-Way ANOVA.
2. Pindahkan Nilai ke Dependent List dan Metode ke Factor.
3. Centang Estimate effect size for overall tests untuk memunculkan tabel ANOVA Effect Sizes (tersedia sejak SPSS 27).
4. Klik Options, centang Descriptive, Homogeneity of variance test, Brown-Forsythe, Welch, dan Means plot, lalu Continue.
5. Klik Post Hoc. Di bagian Equal Variances Assumed pilih Tukey; di bagian Equal Variances Not Assumed pilih Games-Howell. Klik Continue, lalu OK.

Memilih Tukey dan Games-Howell sekaligus tidak masalah: Anda cukup membaca salah satunya sesuai hasil uji Levene. Label menu di atas diverifikasi pada manual IBM SPSS Statistics 31 (IBM Corp., t.t.).

Membaca Output One-Way ANOVA

Descriptives dan Uji Levene

Rata-rata tertinggi ada pada metode Hybrid, tetapi signifikan atau tidaknya baru diketahui dari uji F. Uji normalitas Shapiro-Wilk per kelompok menghasilkan p = 0,337; 0,916; dan 0,348, sehingga tidak ada penyimpangan normalitas yang signifikan.

Tabel Test of Homogeneity of Variances di versi baru menampilkan beberapa baris; bacalah baris Based on Mean. Pada contoh ini, Levene Statistic = 0,878; df1 = 2; df2 = 87; Sig. = 0,419. Karena 0,419 > 0,05, varians ketiga kelompok dianggap homogen, sehingga tabel ANOVA biasa dan post hoc Tukey yang dibaca.

Tabel ANOVA dan F Tabel

Output SPSS (angka memakai titik desimal seperti tampilan SPSS berbahasa Inggris):

ANOVA
Nilai
                 Sum of Squares   df   Mean Square      F    Sig.
Between Groups          576.800    2       288.400   5.822   .004
Within Groups          4309.300   87        49.532
Total                  4886.100   89

F hitung = 288,400 / 49,532 = 5,822 dengan df (2, 87) dan p = 0,004. Karena p < 0,05, H0 ditolak: minimal satu metode menghasilkan rata-rata nilai yang berbeda. Cara F tabel memberi kesimpulan yang sama: F tabel (α = 0,05; df 2 dan 87) = 3,10, dan 5,822 > 3,10. Di Excel dengan pengaturan regional Indonesia, F tabel dapat dihitung dengan =F.INV.RT(0,05;2;87).

Ukuran Efek: Eta Squared dan Omega Squared

Tabel ANOVA Effect Sizes menampilkan beberapa estimasi beserta interval kepercayaan 95%. Pada contoh ini:

Eta squared (η² = SS antar-kelompok / SS total = 576,800 / 4.886,100) berarti 11,8% variasi nilai dijelaskan oleh perbedaan metode. Menurut Cohen (1988), η² 0,01 tergolong kecil, 0,06 sedang, dan 0,14 besar, sehingga efek ini tergolong sedang. Eta squared cenderung sedikit melebih-lebihkan efek di populasi; omega squared (baris Fixed-effect untuk faktor yang levelnya Anda tetapkan sendiri) lebih konservatif dan memberi kesimpulan yang sama (Lakens, 2013).

Post Hoc Tukey HSD

SPSS menampilkan keenam kombinasi (setiap pasangan muncul dua kali dengan tanda yang berlawanan); tiga baris di atas sudah mewakili semuanya. Tanda bintang menandai selisih yang signifikan pada α = 0,05. Hanya Hybrid dan Konvensional yang berbeda signifikan: selisihnya 6,20 poin dengan interval kepercayaan 95% [1,87; 10,53]. E-Learning tidak berbeda signifikan dari kedua metode lain.

Jika Levene Signifikan: Welch dan Games-Howell

Data ilustrasi (fiktif) kedua: skor kepuasan kerja karyawan di tiga divisi dengan ukuran kelompok dan sebaran yang berbeda jauh.

Uji Levene menghasilkan F(2, 57) = 6,233 dengan p = 0,004, sehingga varians tidak homogen. Dalam kondisi ini, tabel ANOVA biasa tidak dipakai; bacalah tabel Robust Tests of Equality of Means yang muncul karena Anda mencentang Welch dan Brown-Forsythe:

Robust Tests of Equality of Means
Kepuasan
                 Statistic(a)   df1      df2    Sig.
Welch                   6.491     2   37.128    .004
Brown-Forsythe          7.966     2   46.166    .001
a. Asymptotically F distributed.

Welch F(2; 37,13) = 6,49 dengan p = 0,004, sehingga rata-rata kepuasan berbeda antar-divisi (Welch, 1951). Perhatikan df kedua yang bernilai pecahan; tuliskan apa adanya dalam laporan. Untuk perbandingan berpasangan, bacalah Games-Howell, bukan Tukey (Games & Howell, 1976):

Kepuasan divisi Produksi lebih rendah daripada Pemasaran dan Keuangan, sedangkan Pemasaran dan Keuangan tidak berbeda signifikan.

Two-Way ANOVA di SPSS

Langkah Two-Way ANOVA di SPSS

ANOVA dua arah menguji dua faktor sekaligus beserta interaksinya. Pada data contoh, pertanyaannya: apakah nilai dipengaruhi metode, apakah dipengaruhi jenis kelamin, dan apakah pengaruh metode berbeda antara laki-laki dan perempuan?

1. Klik Analyze → General Linear Model → Univariate.
2. Pindahkan Nilai ke Dependent Variable, lalu Metode dan JK ke Fixed Factor(s).
3. Klik Plots: masukkan Metode ke Horizontal Axis dan JK ke Separate Lines, klik Add, lalu Continue.
4. Klik Post Hoc: pindahkan Metode ke Post Hoc Tests for dan pilih Tukey. JK tidak perlu post hoc karena hanya dua kelompok.
5. Klik EM Means: pindahkan Metode, JK, dan Metode*JK ke Display Means for. Di SPSS 25 ke atas pengaturan ini ada di tombol EM Means (pada versi lama ada di Options). Jika interaksi signifikan, centang Compare simple main effects (SPSS 28 ke atas).
6. Klik Options: centang Descriptive statistics, Estimates of effect size, dan Homogeneity tests, lalu Continue → OK.

Membaca Output Two-Way ANOVA

Uji Levene untuk keenam sel menghasilkan F(5, 84) = 0,637 dengan p = 0,672, sehingga asumsi homogenitas terpenuhi. Tabel utamanya:

Tests of Between-Subjects Effects
Dependent Variable: Nilai
                 Type III Sum                                     Partial Eta
Source             of Squares   df   Mean Square          F   Sig.   Squared
Corrected Model      907.833a    5       181.567      3.834   .004   .186
Intercept         512116.900     1    512116.900  10813.207  <.001   .992
Metode               576.800     2       288.400      6.089   .003   .127
JK                   266.944     1       266.944      5.636   .020   .063
Metode * JK           64.089     2        32.044       .677   .511   .016
Error               3978.267    84        47.360
Total             517003.000    90
Corrected Total     4886.100    89
a. R Squared = .186 (Adjusted R Squared = .137)

Versi lama SPSS menampilkan p yang sangat kecil sebagai .000, versi baru sebagai <.001; keduanya berarti p < 0,001. Baca baris efek, bukan baris Intercept:

• Metode × JK dibaca lebih dulu: F(2, 84) = 0,677; p = 0,511, tidak signifikan. Pengaruh metode tidak berbeda bermakna antara laki-laki dan perempuan, sehingga efek utama boleh ditafsirkan langsung.
• Metode: F(2, 84) = 6,089; p = 0,003; partial η² = 0,127 (efek sedang, mendekati besar).
• JK: F(1, 84) = 5,636; p = 0,020; partial η² = 0,063 (efek sedang). Rata-rata perempuan 77,16 dan laki-laki 73,71.

Perhatikan bahwa df galat (error) sekarang 84, yaitu 90 dikurangi 6 sel, bukan 87 seperti pada ANOVA satu arah. Nilai F untuk metode juga naik (dari 5,822 menjadi 6,089) karena variasi akibat jenis kelamin dan interaksi sudah dikeluarkan dari galat. Hal yang sama menjelaskan mengapa partial η² metode (0,127) lebih besar daripada η² pada ANOVA satu arah (0,118): partial η² hanya membandingkan efek dengan galat, bukan dengan variasi total.

Jika interaksi signifikan, jangan berhenti pada efek utama. Gunakan Compare simple main effects di EM Means untuk menguji perbedaan metode pada setiap jenis kelamin, dan tafsirkan grafik profil: garis yang tidak sejajar menunjukkan interaksi.

ANOVA Repeated Measures dan Kruskal-Wallis

Bila subjek yang sama diukur tiga kali atau lebih (misalnya pretest, posttest, dan tes tunda), gunakan Analyze → General Linear Model → Repeated Measures. Prosedur ini memerlukan modul Advanced Statistics pada lisensi SPSS Anda. Periksa Mauchly's Test of Sphericity; jika Sig. < 0,05, baca baris koreksi Greenhouse-Geisser pada tabel Tests of Within-Subjects Effects. Alternatif nonparametriknya adalah uji Friedman (Analyze → Nonparametric Tests → Legacy Dialogs → K Related Samples).

Untuk kelompok independen dengan data ordinal atau sangat tidak normal pada sampel kecil, gunakan Kruskal-Wallis. Cara cepatnya lewat Analyze → Nonparametric Tests → Legacy Dialogs → K Independent Samples (isi Define Range 1 sampai 3). Cara yang lebih lengkap lewat Analyze → Nonparametric Tests → Independent Samples; di tab Settings, pilih Customize tests, lalu Kruskal-Wallis 1-way ANOVA (k samples) dengan Multiple comparisons: All pairwise agar SPSS menampilkan perbandingan berpasangan dengan signifikansi yang sudah disesuaikan.

Cara Melaporkan Hasil ANOVA di Skripsi

Contoh narasi (sesuaikan dengan penelitian Anda — jangan disalin mentah):

Uji ANOVA satu arah menunjukkan perbedaan nilai ujian yang signifikan antarmetode pembelajaran, F(2, 87) = 5,82; p = 0,004; η² = 0,118. Uji Levene menunjukkan varians yang homogen (p = 0,419). Uji post hoc Tukey menunjukkan bahwa kelompok Hybrid (M = 78,50; SD = 7,50) memperoleh nilai lebih tinggi daripada kelompok Konvensional (M = 72,30; SD = 6,14), dengan selisih 6,20 poin (p = 0,003), sedangkan kelompok E-Learning (M = 75,50; SD = 7,40) tidak berbeda signifikan dari kedua kelompok lainnya.

Uji ANOVA dua arah menunjukkan efek utama metode pembelajaran yang signifikan, F(2, 84) = 6,09; p = 0,003; partial η² = 0,127, dan efek utama jenis kelamin yang signifikan, F(1, 84) = 5,64; p = 0,020; partial η² = 0,063. Interaksi metode dan jenis kelamin tidak signifikan, F(2, 84) = 0,68; p = 0,511; partial η² = 0,016.

Karena uji Levene menunjukkan varians yang tidak homogen (p = 0,004), perbedaan antar-divisi diuji dengan Welch ANOVA, F(2; 37,13) = 6,49; p = 0,004, dilanjutkan uji Games-Howell.

Kesalahan Umum dalam Uji ANOVA

1. Membaca tabel ANOVA biasa saat Levene signifikan. Gunakan Welch atau Brown-Forsythe dan post hoc Games-Howell.
2. Berhenti pada F yang signifikan. F hanya menyatakan ada perbedaan; pasangan mana yang berbeda baru diketahui dari post hoc.
3. Menjalankan uji t berulang untuk setiap pasangan. Tiga uji t pada α = 0,05 menaikkan peluang kesalahan tipe I; gunakan post hoc yang mengoreksinya.
4. Menafsirkan efek utama ketika interaksi signifikan. Efek satu faktor bergantung pada level faktor lain; analisis simple effects lebih dulu.
5. Salah menulis df. Pada ANOVA dua arah 3 × 2 dengan N = 90, df galat adalah 84, bukan 87.
6. Tidak melaporkan ukuran efek. Sertakan η² (satu arah) atau partial η² (dua arah) beserta kategorinya menurut Cohen.
7. Memakai ANOVA untuk data berulang. Pretest-posttest-tes tunda pada subjek yang sama membutuhkan repeated measures, bukan One-Way ANOVA.

Kesimpulan

ANOVA satu arah menjawab apakah rata-rata beberapa kelompok berbeda, sedangkan ANOVA dua arah menambahkan faktor kedua dan interaksinya. Keputusan terpenting ada di uji Levene: varians homogen berarti tabel ANOVA dan Tukey, varians tidak homogen berarti Welch dan Games-Howell. Lengkapi setiap uji F dengan ukuran efek dan post hoc, lalu tuliskan df sesuai desain Anda. Untuk desain eksperimen di bidang pendidikan, kaitkan pilihan uji ini dengan desain yang dibahas dalam panduan metode penelitian skripsi pendidikan. Jika Anda ingin analisis ANOVA pada data Anda diperiksa, layanan olah data SPSS dari Jokify dapat menjalankan dan meninjau prosesnya bersama Anda, sekaligus menjelaskan setiap tabel output agar Anda memahami alurnya dan siap mempertahankannya saat sidang.

Pertanyaan yang Sering Diajukan

Apakah jumlah sampel setiap kelompok ANOVA harus sama?

Tidak harus, tetapi jumlah yang seimbang membuat ANOVA lebih tahan terhadap perbedaan varians. Bila jumlah kelompok tidak seimbang dan varians berbeda, Welch ANOVA dan Games-Howell menjadi pilihan yang lebih aman. Untuk merencanakan jumlah sampel, G*Power dengan efek sedang (f = 0,25), α = 0,05, dan power 0,80 untuk tiga kelompok menyarankan sekitar 53 subjek per kelompok; rumus dan alatnya dibahas dalam panduan menghitung ukuran sampel.

Bagaimana jika ANOVA signifikan tetapi tidak ada pasangan post hoc yang signifikan?

Hal ini bisa terjadi karena uji F menguji semua perbedaan sekaligus, sedangkan post hoc mengoreksi setiap perbandingan sehingga lebih ketat. Laporkan apa adanya: uji F signifikan, tetapi tidak ada pasangan yang berbeda signifikan setelah koreksi. Anda dapat menambahkan selisih rata-rata dan interval kepercayaannya agar pembaca melihat pola datanya.

Apa bedanya Tukey, Bonferroni, dan Scheffe?

Tukey dirancang untuk membandingkan semua pasangan rata-rata ketika varians homogen dan merupakan pilihan standar. Bonferroni membagi α dengan jumlah perbandingan sehingga cocok bila perbandingannya sedikit dan sudah direncanakan. Scheffe paling konservatif karena juga melindungi perbandingan kompleks (misalnya rata-rata dua kelompok dibandingkan dengan kelompok ketiga), sehingga jarang menemukan perbedaan pada perbandingan berpasangan biasa.

Apakah skor kuesioner Likert boleh dianalisis dengan ANOVA?

Skor total atau rata-rata dari beberapa butir Likert umumnya diperlakukan sebagai data interval dan dianalisis dengan ANOVA, asalkan instrumennya sudah lolos uji validitas dan reliabilitas. Untuk satu butir Likert tunggal, banyak pembimbing lebih memilih Kruskal-Wallis karena datanya ordinal. Ikuti ketentuan pedoman kampus dan jelaskan alasannya di Bab 3.

Apa beda eta squared dan partial eta squared?

Eta squared membagi variasi suatu efek dengan variasi total, sedangkan partial eta squared membaginya dengan variasi efek itu ditambah galat. Pada ANOVA satu arah keduanya sama, tetapi pada ANOVA dua arah partial eta squared lebih besar dan tidak boleh dijumlahkan antarefek. Laporkan jenis yang Anda pakai secara eksplisit.

Referensi

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
• Games, P. A., & Howell, J. F. (1976). Pairwise multiple comparison procedures with unequal n's and/or variances: A Monte Carlo study. Journal of Educational Statistics, 1(2), 113–125. https://doi.org/10.3102/10769986001002113
• IBM Corp. (t.t.). IBM SPSS Statistics Base 31. Diakses 10 Oktober 2026, dari https://www.ibm.com/docs/en/SSLVMB_31.0.0/pdf/IBM_SPSS_Statistics_Base.pdf
• Kent State University Libraries. (t.t.). SPSS tutorials: Descriptive stats for numeric variables by group (Compare Means). https://libguides.library.kent.edu/SPSS/CompareMeans
• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863
• Welch, B. L. (1951). On the comparison of several mean values: An alternative approach. Biometrika, 38(3/4), 330–336. https://doi.org/10.2307/2332579