#SPSS UJI ANNOVA ONE WAY DAN TWO WAY; LANGKAH – LANGKAH DAN CONTOH SOAL

  1. One way annova (membedakan lebih dari 2 kelompok)

Tujuan : digunakan untuk menguji perbedaan mean (rata-rata) data lebih dari dua kelompok, melihat perbedaan berat badan bayi pada tk. social ekonomi.

Asumsi  :

  1. Sampel berasal dari kelompok yang independen
  2. Varian antar kelompok harus homogen
  3. Data masing-masing kelompok berdistribusi normal

Langkah :

  1. Uji normalitas

Hipotesis :

H0 : data terdistribusi normal

H1 : data tidak terdistribusi normal

UJI NORMALITAS : analyze -> non parametric test -> legacy dialog -> one sample KS.

One-Sample Kolmogorov-Smirnov Test
beratbayi
N 103
Normal Parametersa,b Mean 2663.5198
Std. Deviation 374.72656
Most Extreme Differences Absolute .086
Positive .086
Negative -.048
Kolmogorov-Smirnov Z .877
Asymp. Sig. (2-tailed) .426
a. Test distribution is Normal.
b. Calculated from data.

P-value 0.426 -> H0 diterima

Kesimpulan data terdistribusi normal, sehingga uji bisa dilanjutkan.

 

  1. UJI HOMOGENITAS

 

Asumsi :

H0 = data homogen

H1 = data tidak homogen

UJI ANNOVA : Analyze -> compare means -> annova one way-> option homogenity of variances
(Beratbayi = dependen list, sosek3 = factor)
Nanti yang keluar hasil uji homogenitas + ANOVA

Test of Homogeneity of Variances
Beratbayi
Levene Statistic df1 df2 Sig.
5.315 2 100 .006

p-value = 0.006 > H0 ditolak
Kesimpulan = data tidak homogen
TIDAK BISA DILANJUTKAN!!! SELESAI

*JIKA DATA HOMOGEN DAPAT DILANJUT*

 

  1. Uji annova one way

Hipotesis:

H0 = tidak ada perbedaan BBLR pada sosek rendah sedang tinggi

H1 = minimal ada 1 pasang kelompok yang berbeda berat lahirnya

ANOVA
Beratbayi
Sum of Squares df Mean Square F Sig.
Between Groups 169827.092 2 84913.546 .600 .551
Within Groups 1.415E7 100 141530.123
Total 1.432E7 102

P value = 0.552 -> H0 diterima
Kesimpulan = tidak ada perbedaan bb bayilahir dengan sosek

H0 diterima = berhenti
H1 diterima dilanjutkan -> uji post hoc -> untuk melihat yang mana yang beda

Lanjut LSD.

  1. UJI POST HOC (H1 diterima dan melihat berbedaannya dimana)

Analyze -> Compare Means-> One way anova -> masukkan data bb bayi ke dalam kotak dependen list dan data sosek ke kotak factor – posthoc – checklist LSD – OK

 

Multiple Comparisons
Beratbayi

LSD

(I) sosek3 (J) sosek3 Mean Difference (I-J) Std. Error Sig. 95% Confidence Interval
Lower Bound Upper Bound
dimension2 1 dimension3 2 -74.64683 80.05723 .353 -233.4781 84.1844
3 64.82404 160.73227 .688 -254.0642 383.7123
2 dimension3 1 74.64683 80.05723 .353 -84.1844 233.4781
3 139.47087 166.58633 .404 -191.0317 469.9734
3 dimension3 1 -64.82404 160.73227 .688 -383.7123 254.0642
2 -139.47087 166.58633 .404 -469.9734 191.0317

 

 

  1. ANNOVA TWO WAY (lebih dari 2 kelompok)

Tujuan : melihat perbedaan HB sebelum dan sesudah satu minggu dan dua minggu pemberian zat besi

Asumsi : data berdistribusi normal & homogen

  1. Uji normalitas

Hipotesis :

H0 : data terdistribusi normal

H1 : data tidak terdistribusi normal

 

One-Sample Kolmogorov-Smirnov Test
Hb_pre Hb_post1 Hb_post2
N 34 34 35
Normal Parametersa,b Mean 12.0618 12.0441 12.1943
Std. Deviation 1.04302 1.09936 .84294
Most Extreme Differences Absolute .103 .089 .107
Positive .103 .071 .107
Negative -.077 -.089 -.095
Kolmogorov-Smirnov Z .601 .517 .634
Asymp. Sig. (2-tailed) .863 .952 .816
a. Test distribution is Normal.
b. Calculated from data.

 

P- value Hb_pre = 0.863 -> H0 diterima -> Data terdistribusi normal

P- value Hb_post1 = 0.952 -> H0 diterima -> Data terdistribusi normal

P- value Hb_post2 = 0.816 -> H0 diterima-> Data terdistribusi normal
Kalau 1 data tidak normal, annova TIDAK DAPAT DILANJUTKAN.

 

  1. Annova two way

Asumsi : data berdistribusi normal & homogeny

Hipotesis :

H0 = tidak ada perbedaan HB sebelum dan sesudah pemberian zat besi

H1 = ada perbedaan HB sebelum dan sesudah pemberian zat besi

Analyze -> general linear model -> repeated measure-> ganti nama within factor subject number dengan HB -> isi number of level dengan angka 3 -> define-> pindahkan data hb pre untuk factor subject 1, hbpost1 untuk factor subject 2, hbpost2 untuk factor subject 3 -> option-> pindahkan semua data yang ada pada factor interaction ke dalam kotak display means for -> checklist descriptive statistic dan homogenity -> continue -> OK

Tests of Within-Subjects Effects
Measure:MEASURE_1
Source Type III Sum of Squares df Mean Square F Sig.
HB Sphericity Assumed .457 2 .229 .213 .809
Greenhouse-Geisser .457 1.920 .238 .213 .800
Huynh-Feldt .457 2.000 .229 .213 .809
Lower-bound .457 1.000 .457 .213 .648
Error(HB) Sphericity Assumed 70.970 66 1.075
Greenhouse-Geisser 70.970 63.358 1.120
Huynh-Feldt 70.970 66.000 1.075
Lower-bound 70.970 33.000 2.151

 

p-Value = 0.809 (p > 0.05) H0 diterima

kesimpulan : H0 = tidak ada perbedaan HB sebelum dan sesudah pemberian zat besi

 

UJI T berpasangan

Karena yang P-value = 0.809 -> H0 diterima

Kesimpulan = tidak ada perbedaan kadar HB setelah pemberian zat besi

Kalau H1 diterima dilakukan uji T berpasangan (Analyze -> compare mean -> paired T sample test)

Pre & post1 ; pre & post2 ; post1 & post2

Paired Samples Test
Paired Differences t df Sig. (2-tailed)
Mean Std. Deviation Std. Error Mean 95% Confidence Interval of the Difference
Lower Upper
Pair 1 Hb_pre – Hb_post1 .01765 1.60878 .27590 -.54368 .57898 .064 33 .949
Pair 2 Hb_pre – Hb_post2 -.13235 1.37812 .23635 -.61320 .34850 -.560 33 .579
Pair 3 Hb_post1 – Hb_post2 -.15000 1.40157 .24037 -.63903 .33903 -.624 33 .537

P-value > 0.05

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s