› Tutorial Olah Data
Cara Uji ANOVA di SPSS: Satu Arah dan Dua Arah Lengkap
Tim Statistician Jokify · Terbit 13 Agustus 2026
Analysis of Variance (ANOVA) adalah uji statistik yang digunakan untuk membandingkan rata-rata (mean) dari tiga kelompok atau lebih secara bersamaan. Jika Anda hanya membandingkan dua kelompok, uji-t sudah cukup. Namun ketika kelompoknya tiga atau lebih, ANOVA adalah pilihan yang tepat karena menghindari inflasi error tipe I yang terjadi jika uji-t dilakukan berulang kali untuk setiap pasang kelompok. SPSS menyediakan prosedur ANOVA yang lengkap, termasuk uji asumsi, uji post hoc, dan estimasi ukuran efek. Artikel ini memandu Anda secara lengkap untuk ANOVA satu arah dan dua arah.
Logika Dasar ANOVA: Mengapa Membandingkan Varians?
Nama "Analysis of Variance" tampak membingungkan untuk uji yang membandingkan rata-rata. Penjelasannya: ANOVA bekerja dengan membandingkan dua sumber varians.
-
Varians antar kelompok (Between-group variance): Seberapa jauh rata-rata setiap kelompok menyimpang dari rata-rata keseluruhan. Jika kelompok-kelompok memiliki rata-rata yang jauh berbeda, varians ini besar.
-
Varians dalam kelompok (Within-group variance / Error): Seberapa jauh nilai individu menyimpang dari rata-rata kelompoknya sendiri. Ini mencerminkan variabilitas alami yang tidak dapat dijelaskan oleh perlakuan.
Statistik F = Varians Antar Kelompok / Varians Dalam Kelompok
Jika F besar (Sig. < 0,05), artinya perbedaan antar kelompok jauh lebih besar dari variabilitas alami dalam kelompok — dan perbedaan tersebut dianggap signifikan secara statistik.
Kapan Menggunakan ANOVA?
Gunakan ANOVA ketika:
- Variabel dependen berskala interval atau rasio (data kontinu)
- Variabel independen bersifat kategorik (nominal/ordinal) dengan tiga kategori atau lebih
- Ingin menguji apakah ada perbedaan rata-rata yang signifikan antar kelompok secara efisien dalam satu pengujian
Contoh kasus tipikal dalam penelitian skripsi:
- Apakah terdapat perbedaan signifikan nilai ujian mahasiswa antara tiga metode pembelajaran (konvensional, e-learning, hybrid)?
- Apakah terdapat perbedaan kepuasan kerja antara karyawan dari empat divisi yang berbeda?
- Apakah terdapat perbedaan rata-rata pendapatan antara lulusan dari tiga jurusan yang berbeda?
Asumsi ANOVA yang Harus Dipenuhi
Sebelum menjalankan ANOVA, verifikasi bahwa empat asumsi berikut terpenuhi:
| Asumsi | Cara Verifikasi di SPSS | Konsekuensi Jika Dilanggar |
|---|---|---|
| Normalitas data di setiap kelompok | Shapiro-Wilk per kelompok (Analyze → Explore, masukkan variabel kelompok ke Factor List) | Gunakan Kruskal-Wallis (non-parametrik) |
| Homogenitas varians antar kelompok | Uji Levene (tersedia dalam output One-Way ANOVA) | Gunakan Welch's F atau Brown-Forsythe |
| Independensi antar observasi | Desain penelitian (setiap individu hanya masuk satu kelompok) | Gunakan ANOVA for Repeated Measures |
| Data kontinu (variabel dependen) | Periksa skala pengukuran | Gunakan uji non-parametrik |
Jika asumsi normalitas atau homogenitas varians tidak terpenuhi, jangan langsung mengabaikan ANOVA. Pertimbangkan ukuran sampel: ANOVA relatif robust terhadap pelanggaran normalitas ketika n per kelompok cukup besar (≥ 15–20) dan distribusinya tidak terlalu ekstrem.
Bagian 1: ANOVA Satu Arah (One-Way ANOVA)
ANOVA satu arah menguji pengaruh satu variabel independen kategorik (faktor) terhadap satu variabel dependen kontinu.
Contoh Kasus
Seorang peneliti ingin mengetahui apakah terdapat perbedaan nilai ujian akhir mahasiswa berdasarkan metode pembelajaran yang digunakan: Metode A (Konvensional, n=30), Metode B (E-Learning, n=30), dan Metode C (Hybrid, n=30). Total sampel: 90 mahasiswa.
H₀: μ_A = μ_B = μ_C (rata-rata nilai ketiga kelompok sama) H₁: Minimal ada satu μ yang berbeda
Langkah-Langkah di SPSS
Langkah 1: Siapkan Data
Susun data dalam dua kolom di SPSS:
- Kolom 1:
Metode— variabel kelompok, kode numerik: 1 = Konvensional, 2 = E-Learning, 3 = Hybrid. Tambahkan Value Labels di Variable View agar output lebih mudah dibaca. - Kolom 2:
Nilai— skor ujian akhir setiap mahasiswa (skala 0–100).
Langkah 2: Buka Menu ANOVA
Klik: Analyze → Compare Means → One-Way ANOVA
Langkah 3: Tentukan Variabel
- Pindahkan
Nilaike kotak Dependent List - Pindahkan
Metodeke kotak Factor
Langkah 4: Aktifkan Opsi Tambahan
Klik tombol Options, centang:
- Descriptive — mendapatkan N, mean, std. deviation, dan 95% CI per kelompok
- Homogeneity of variance test — mengaktifkan uji Levene
- Welch dan Brown-Forsythe — alternatif F yang robust jika Levene signifikan
- Means plot — visualisasi rata-rata per kelompok
Klik Continue.
Langkah 5: Pilih Uji Post Hoc
Klik tombol Post Hoc:
- Tukey HSD — paling umum, digunakan jika varians homogen. Mengontrol familywise error rate secara ketat.
- Games-Howell — digunakan jika varians tidak homogen (Levene signifikan). Tidak mengasumsikan varians sama.
- Bonferroni — lebih konservatif dari Tukey, cocok jika jumlah perbandingan terbatas dan sudah direncanakan sebelumnya.
- Scheffé — paling konservatif, digunakan jika ingin menguji semua kemungkinan kontras, bukan hanya perbandingan berpasangan.
Klik Continue.
Langkah 6: Klik OK.
Cara Membaca Output One-Way ANOVA
Tabel 1: Descriptives
Descriptives — Nilai Ujian
N Mean Std. Deviation Std. Error 95% CI for Mean
Konvensional 30 71.50 7.82 1.43 68.62 74.38
E-Learning 30 75.30 6.94 1.27 72.72 77.88
Hybrid 30 78.43 6.11 1.12 76.15 80.71
Total 90 75.08 7.35 0.77 73.54 76.62
Gambaran awal: rata-rata nilai paling tinggi pada Metode Hybrid (78,43), diikuti E-Learning (75,30), lalu Konvensional (71,50). Perlu dikonfirmasi apakah perbedaan ini signifikan secara statistik.
Tabel 2: Test of Homogeneity of Variances (Uji Levene)
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
Nilai Ujian 1.247 2 87 .292
Sig. = 0,292 > 0,05 → Varians homogen → Lanjutkan dengan output ANOVA standar dan gunakan Tukey sebagai post hoc.
Tabel 3: ANOVA
ANOVA — Nilai Ujian
Sum of Squares df Mean Square F Sig.
Between Groups 1.087,47 2 543.73 10.38 .000
Within Groups 4.559,80 87 52.41
Total 5.647,27 89
- F(2, 87) = 10,38, p = 0,000 < 0,05
- Tolak H₀ → Terdapat perbedaan rata-rata nilai ujian yang signifikan antara ketiga metode pembelajaran.
Tabel 4: Post Hoc Tests (Multiple Comparisons — Tukey HSD)
Multiple Comparisons — Tukey HSD
(I) Metode (J) Metode Mean Difference (I-J) Std. Error Sig.
Konvensional vs E-Learning -3.83 1.870 .109
vs Hybrid -6.93* 1.870 .001
E-Learning vs Konvensional 3.83 1.870 .109
vs Hybrid -3.10 1.870 .234
Hybrid vs Konvensional 6.93* 1.870 .001
vs E-Learning 3.10 1.870 .234
Tanda asterisk (*) menunjukkan perbedaan signifikan pada α = 0,05.
Interpretasi:
- Hybrid vs. Konvensional: selisih rata-rata = 6,93 poin, p = 0,001 → Berbeda signifikan
- E-Learning vs. Konvensional: selisih = 3,83 poin, p = 0,109 → Tidak berbeda signifikan
- Hybrid vs. E-Learning: selisih = 3,10 poin, p = 0,234 → Tidak berbeda signifikan
Kesimpulan: Hanya metode Hybrid yang menghasilkan nilai ujian secara signifikan lebih tinggi dibandingkan metode Konvensional. E-Learning tidak berbeda signifikan dengan keduanya.
Bagian 2: ANOVA Dua Arah (Two-Way ANOVA)
ANOVA dua arah menguji pengaruh dua variabel independen kategorik dan kemungkinan interaksi di antara keduanya terhadap satu variabel dependen. Kemampuan mendeteksi efek interaksi adalah keunggulan utama ANOVA dua arah dibandingkan menjalankan dua One-Way ANOVA secara terpisah.
Contoh Kasus
Peneliti yang sama ingin mengetahui apakah perbedaan nilai berdasarkan metode pembelajaran (Konvensional, E-Learning, Hybrid) berbeda tergantung jenis kelamin mahasiswa (Laki-laki, Perempuan). Ini menguji tiga pertanyaan sekaligus:
- Apakah metode pembelajaran berpengaruh terhadap nilai? (Main effect Metode)
- Apakah jenis kelamin berpengaruh terhadap nilai? (Main effect Jenis Kelamin)
- Apakah efek metode pembelajaran berbeda antara laki-laki dan perempuan? (Efek Interaksi)
Langkah-Langkah di SPSS
Langkah 1: Siapkan Data
Tambahkan kolom JK (Jenis Kelamin): 1 = Laki-laki, 2 = Perempuan.
Langkah 2: Buka Menu GLM Univariate
Klik: Analyze → General Linear Model → Univariate
Langkah 3: Tentukan Variabel
- Masukkan
Nilaike kotak Dependent Variable - Masukkan
MetodedanJKke kotak Fixed Factor(s)
Langkah 4: Aktifkan Opsi
Klik Options, pindahkan kedua faktor ke Display Means for, centang:
- Descriptive statistics
- Estimates of effect size — menghasilkan nilai Partial Eta Squared (η²p)
- Homogeneity tests
Klik Continue.
Klik Plots:
- Sumbu Horizontal Axis: Metode
- Separate Lines: JK
- Klik Add, lalu Continue
Grafik profil ini sangat berguna untuk memvisualisasikan apakah efek metode berbeda antara kedua jenis kelamin (garis yang tidak paralel menandakan interaksi).
Langkah 5: Post Hoc (jika diperlukan)
Klik Post Hoc, masukkan variabel dengan lebih dari dua level (Metode, karena JK hanya 2 level) ke Post Hoc Tests for, pilih Tukey atau Bonferroni.
Langkah 6: Klik OK.
Cara Membaca Output Two-Way ANOVA
Tabel: Tests of Between-Subjects Effects
Tests of Between-Subjects Effects — Dependent Variable: Nilai
Source Type III SS df Mean Square F Sig. Partial Eta Squared
Corrected Model 1.389,52 5 277.90 5.68 .000 .248
Intercept 508.091,25 1 508.091,25 10.385,47 .000 .991
Metode 1.030,81 2 515.41 10.54 .000 .195
JK 210,60 1 210.60 4.31 .041 .047
Metode * JK 148,11 2 74.06 1.51 .224 .034
Error 4.257,75 87 48.94
Total 513.738,52 90 (adjusted: 89)
Baris-baris penting:
| Baris | Makna | Interpretasi Contoh |
|---|---|---|
| Metode | Main effect metode pembelajaran | F(2,87)=10,54; p=0,000 → Signifikan |
| JK | Main effect jenis kelamin | F(1,87)=4,31; p=0,041 → Signifikan |
| Metode × JK | Efek interaksi | F(2,87)=1,51; p=0,224 → Tidak Signifikan |
Kesimpulan efek interaksi: Karena Metode × JK tidak signifikan (p = 0,224 > 0,05), efek metode pembelajaran terhadap nilai tidak berbeda antara mahasiswa laki-laki dan perempuan. Garis profil dalam grafik akan terlihat relatif paralel satu sama lain.
Jika interaksi signifikan: Interpretasi main effect menjadi kurang bermakna karena efek faktor pertama bergantung pada level faktor kedua. Dalam situasi ini, lakukan Simple Effects Analysis — yaitu uji ANOVA terpisah untuk setiap level faktor kedua — untuk memahami pola interaksinya.
Interpretasi Partial Eta Squared (η²p)
Partial Eta Squared mengukur ukuran efek (besarnya pengaruh) untuk setiap sumber varians:
| Nilai η²p | Ukuran Efek | Interpretasi |
|---|---|---|
| < 0,01 | Kecil | Pengaruh kecil secara praktis |
| 0,01 – 0,06 | Sedang | Pengaruh sedang |
| 0,06 – 0,14 | Besar | Pengaruh besar |
| > 0,14 | Sangat besar | Pengaruh sangat besar |
Pada contoh: η²p Metode = 0,195 → Efek sangat besar — metode pembelajaran menjelaskan 19,5% varians nilai setelah mengontrol faktor lain dalam model.
Cara Melaporkan Hasil ANOVA di Skripsi
Pelaporan One-Way ANOVA
"Uji ANOVA satu arah menunjukkan bahwa terdapat perbedaan yang signifikan dalam nilai ujian akhir mahasiswa berdasarkan metode pembelajaran yang digunakan, F(2, 87) = 10,38, p < 0,001. Statistik deskriptif menunjukkan bahwa kelompok Hybrid memiliki rata-rata nilai tertinggi (M = 78,43; SD = 6,11), diikuti E-Learning (M = 75,30; SD = 6,94) dan Konvensional (M = 71,50; SD = 7,82). Uji post hoc Tukey HSD mengungkapkan bahwa hanya kelompok Hybrid berbeda secara signifikan dengan kelompok Konvensional (p = 0,001; selisih rata-rata = 6,93 poin), sementara kelompok E-Learning tidak berbeda signifikan dengan kelompok Konvensional maupun Hybrid."
Pelaporan Two-Way ANOVA
"Hasil uji ANOVA dua arah menunjukkan efek utama yang signifikan untuk metode pembelajaran, F(2, 87) = 10,54, p < 0,001, η²p = 0,195, dan efek utama yang signifikan untuk jenis kelamin, F(1, 87) = 4,31, p = 0,041, η²p = 0,047. Efek interaksi antara metode pembelajaran dan jenis kelamin tidak signifikan, F(2, 87) = 1,51, p = 0,224, η²p = 0,034, menunjukkan bahwa efek metode pembelajaran terhadap nilai ujian tidak berbeda secara bermakna antara mahasiswa laki-laki dan perempuan."
Kesalahan Umum yang Harus Dihindari
1. Tidak memeriksa asumsi sebelum menjalankan ANOVA. Melewati uji Levene dan normalitas per kelompok dapat menghasilkan kesimpulan yang menyesatkan. Jika Levene signifikan, gunakan Welch's F (bukan F standar) — SPSS menyediakan ini di bawah opsi Statistics → Welch.
2. Mengabaikan uji post hoc ketika H₀ ditolak. Nilai F yang signifikan hanya memberitahu bahwa "setidaknya ada satu perbedaan" — tidak memberitahu pasangan mana yang berbeda. Tanpa post hoc, kesimpulan penelitian tidak lengkap dan tidak informatif.
3. Salah memilih uji post hoc. Gunakan Tukey HSD jika varians homogen; Games-Howell jika varians tidak homogen. Jangan menggunakan Tukey ketika uji Levene menolak homogenitas varians.
4. Menginterpretasikan main effect tanpa memeriksa interaksi terlebih dahulu. Dalam ANOVA dua arah, selalu periksa efek interaksi lebih dulu. Jika interaksi signifikan, interpretasi main effect menjadi menyesatkan karena efek satu faktor berbeda-beda tergantung faktor lainnya.
5. Tidak melaporkan ukuran efek. Nilai F dan p memberitahu apakah perbedaan signifikan secara statistik — tetapi tidak memberitahu seberapa besar perbedaannya secara praktis. Selalu sertakan η²p (partial eta squared) atau ω² untuk melengkapi interpretasi.
6. Menggunakan ANOVA untuk dua kelompok. Untuk dua kelompok, gunakan uji-t. Meskipun ANOVA dengan dua kelompok secara matematika menghasilkan F = t², menggunakan ANOVA untuk dua kelompok tidak salah tetapi kurang efisien dan tidak konvensional.
7. Mengabaikan ukuran sampel per kelompok yang sangat tidak seimbang. ANOVA sensitif terhadap ketidakseimbangan ukuran kelompok (unbalanced design), terutama ketika dikombinasikan dengan pelanggaran homogenitas varians. Usahakan ukuran kelompok yang relatif seimbang dalam desain penelitian.
Alternatif Non-Parametrik: Kruskal-Wallis
Jika asumsi normalitas dan/atau homogenitas varians tidak dapat dipenuhi bahkan setelah transformasi data, gunakan uji Kruskal-Wallis sebagai alternatif non-parametrik dari One-Way ANOVA.
Di SPSS: Analyze → Nonparametric Tests → Legacy Dialogs → K Independent Samples → pilih Kruskal-Wallis.
Uji ini membandingkan rank (peringkat) dari nilai dependen antar kelompok, bukan rata-rata nilai itu sendiri. Uji post hoc non-parametrik yang sesuai adalah Mann-Whitney U dengan koreksi Bonferroni untuk perbandingan multipel.
Penutup
ANOVA adalah alat statistik yang sangat berguna untuk membandingkan lebih dari dua kelompok dalam satu pengujian yang efisien dan terkontrol. ANOVA satu arah cocok untuk desain dengan satu faktor kategorik, sementara ANOVA dua arah memungkinkan analisis efek dua faktor sekaligus — termasuk efek interaksi yang sering kali menjadi temuan paling menarik. Dengan memahami asumsi, memilih uji post hoc yang tepat, melaporkan ukuran efek, dan menghindari kesalahan umum, Anda dapat menjalankan dan melaporkan hasil ANOVA dengan percaya diri di skripsi. Jika Anda membutuhkan pendampingan dalam proses olah data SPSS, Asisten Akademik Jokify siap membantu dari persiapan data hingga penulisan narasi hasil.
