Contoh Soal Two Way Anova + Analisis - Bab Ii

Baca postingan I: Contoh Soal Two Way Anova + Analisis - Bagian I. Pada penggalan II saya akan membahas output, analisis dan interpretasi dari pola soal two way anova ibarat yang sudah saya paparkan di penggalan I. 

Oke, dari hasil uji two ways anova didapatkanlah output-output sebagai berikut:

Output pertama two ways anova

Output pertama adalah Descriptives Statistics. Berdasarkan output diatas, diperoleh rata-rata honor menurut jenis kelamin dan masa kerja yang tampak pada tabel Mean. Pada output di atas terlihat bahwa karyawan laki-laki yang mempunyai masa kerja < 5 tahun mempunyai rata-rata honor sebesar 3.72 juta, sedangkan laki-laki yang mempunyai masa kerja 6 – 10 mempunyai rata-rata honor sebesar 3.2 juta dan karyawan laki-laki yang mempunyai masa kerja di atas 10 tahun mempunyai honor rata-rata 2.04 juta dan seterusnya.

Output Test of Homogeneity of Variances bertujuan untuk menguji berlaku tidaknya salah satu perkiraan untuk Anova, yaitu apakah ketiga sampel mempunyai varians yang sama. Pada perkara ini, terlihat bahwa nilai probabilitas Levene Test yang dilihat pada nilai Sig adalah sebesar 0.150. Karena nilai probabilitas berada diatas 0.05, maka H0 diterima.

Artinya, ketiga sampel yang diambil dari tiga populasi mempunyai varians yang sama.  Karena varians populasi yaitu sama, maka analisis selanjutnya untuk uji Anova sanggup dilakukan, alasannya yaitu perkiraan Anova pertama sudah dipenuhi.

Output Tests of Between-Subjects Effects dipakai untuk perbedaan dan interaksi antara variabel dependent dengan fixed factor memakai analisis satu faktor dan analisis dua faktor.

Analisis:

ANALISIS SATU FAKTOR

Perbedaan rata-rata honor menurut berdasarkan gender:

Hipotesis:

Ø  H0 = Ketiga rata-rata populasi yaitu identik

Ø  H1 = Ketiga rata-rata populasi yaitu tidak identik

Dasar pengambilan keputusan (dasar probabilitas):

Ø  Jika probabilitas > 0.05 --> H0 diterima

Ø  Jika probabilitas < 0.05 -->H0 ditolak

Pada output Tests of Between-Subjects Effects terlihat bahwa F Hitung (GENDER) yaitu 0.008 dengan probabilitas 0.931. Karena nilai probabilitas > 0.05 (0.931 > 0.05), maka H0 diterima. Hal tersebut mengindikasikan bahwa rata-rata honor yang dilihat menurut gender ternyata tidak berbeda secara nyata.

Perbedaan rata-rata honor menurut masa kerja:

Hipotesis:

Ø  H0 = Ketiga rata-rata populasi (masa kerja) yaitu identik

Ø  H1 = Ketiga rata-rata populasi (masa kerja) yaitu tidak identik 

Dasar pengambilan keputusan (dasar probabilitas):

Ø  Jika probabilitas > 0.05 --> H0 diterima

Ø  Jika probabilitas < 0.05 --> H0 ditolak

Pada output Tests of Between-Subjects Effects terlihat bahwa F Hitung (MASA) yaitu 37.077 dengan probabilitas 0.000. Karena nilai probabilitas < 0.05 (0.000 < 0.05), maka H0 ditolak. Artinya, rata-rata honor memang berbeda menurut masa kerja, dalam arti pekerja yang mempunyai masa kerja < 5 tahun dan pekerja yang mempunyai masa kerja 6-10 tahun memang mempunyai perbedaan honor secara nyata.

ANALISIS DUA FAKTOR

Interaksi antara gender dengan masa kerja (Gender*Masa):

Hipotesis:

Ø  Tidak terdapat interaksi antara gender dengan masa kerja

Ø  Terdapat interaksi antara gender dengan masa kerja

Dasar pengambilan keputusan (dasar probabilitas):

Ø  Jika probabilitas > 0.05 --> H0 diterima

Ø  Jika probabilitas < 0.05 --> H0 ditolak

Pada output Tests of Between-Subjects Effects terlihat bahwa F Hitung (GENDER*MASA) yaitu 1.955 dengan probabilitas 0.155. Karena probabilitas berada > 0.05 (0.155 > 0.05), maka H0 diterima. Artinya, TIDAK TERDAPAT INTERAKSI antara gender dengan masa kerja, contohnya pekerja laki-laki tidak selalu memiliki masa kerja diatas 10 tahun dan pekerja perempuan tidak selalu mempunyai masa kerja < 5 tahun dan kemungkinan-kemungkinan lainnya.

(klik gambar untuk memperbesar)

Output ini merupakan uji lanjut untuk melihat mana saja masa kerja yang berbeda dan masa kerja yang tidak berbeda. Untuk melihat ada tidaknya perbedaan, maka lihat tanda ‘*’ pada kolom Mean Difference (biasanya pada output tanda juga sanggup berbentuk ‘^|’). Jika tanda * ada pada angka Mean Difference, maka perbedaan tersebut sanggup dikatakan signifikan. Jika tidak ada tanda *. Maka perbedaan tidak signifikan.

Pada output penggalan Tukey HSD dan Bonferroni, terlihat bahwa angka-angka yang mempunyai tanda * yaitu pada masa kerja <5 tahun-10 tahun dan 6-10 tahun-10 tahun. Artinya, masa kerja  <5 tahun-10 tahun dan 6-10 tahun-10 tahun mempunyai rata-rata honor yang berbeda secara nyata. Sedangkan pada masa kerja <5 tahun dan 6-10 tahun tidak terdapat tanda *, artinya perbedaan honor pada masa kerja <5 tahun dan 6-10 tahun yaitu tidak nyata.

Pada penggalan ini akan dicari grup/subset mana saja yang mempunyai perbedaan rata-rata yang tidak berbeda secara signifikan. Pada output Homogeneus Subsets terlihat bahwa ketiga sampel pada masa kerja tidak terbagi ke dalam tiga subset. Ketiga sampel hanya terbagi dalam dua subset. 

Perhatikan bahwa masa kerja 6-10 tahun tergabung dalam masa kerja <5 tahun di dalam Subset 2. Hal ini mengindikasikan bahwa ternyata honor yang diperoleh menurut masa kerja 6-10 tahun dan < 5 tahun ternyata tidak berbeda secara nyata. Namun, honor yang diterima pada masa kerja 10 tahun dengan masa kerja <5 tahun dan 6-10 tahun mempunyai perbedaan yang nyata.

Sumber http://bahasekonomi.blogspot.com

Berlangganan Informasi Terbaru: