Uji ANOVA Dua Arah di SPSS: Cara Uji dan Interpretasinya

 

Uji ANOVA Dua Arah di SPSS: Pengertian, Syarat, Cara Uji, dan Interpretasi

Dalam penelitian kuantitatif, peneliti tidak selalu hanya ingin mengetahui apakah terdapat perbedaan rata-rata berdasarkan satu faktor. Pada beberapa penelitian, terdapat dua faktor atau variabel kategoris yang diduga memengaruhi satu variabel dependen.

Misalnya, seorang peneliti ingin mengetahui apakah metode pembelajaran dan jenis kelamin memengaruhi nilai hasil belajar siswa. Peneliti juga ingin mengetahui apakah pengaruh metode pembelajaran berbeda antara siswa laki-laki dan perempuan.

Analisis seperti ini dapat dilakukan menggunakan ANOVA Dua Arah atau Two-Way ANOVA.

Uji ANOVA Dua Arah memungkinkan peneliti menguji dua pengaruh utama (main effects) sekaligus serta interaksi antara kedua faktor tersebut (Field, 2018). Dengan bantuan SPSS, analisis dapat dilakukan melalui menu General Linear Model.

Artikel ini membahas lengkap mengenai Uji ANOVA Dua Arah di SPSS, mulai dari pengertian, fungsi, asumsi, langkah pengujian, hingga cara membaca hasilnya.

Apa Itu ANOVA Dua Arah?

ANOVA Dua Arah atau Two-Way Analysis of Variance adalah teknik statistik parametrik yang digunakan untuk menganalisis pengaruh dua variabel independen kategoris terhadap satu variabel dependen numerik.

Misalnya penelitian memiliki:

Variabel dependen: Nilai hasil belajar

Faktor A: Metode pembelajaran

• Metode A
• Metode B
• Metode C

Faktor B: Jenis kelamin

• Laki-laki
• Perempuan

Dengan Two-Way ANOVA, peneliti dapat menguji tiga hal:

1. Apakah metode pembelajaran memengaruhi hasil belajar?
2. Apakah jenis kelamin memengaruhi hasil belajar?
3. Apakah terdapat interaksi antara metode pembelajaran dan jenis kelamin?

Menurut Maxwell et al. (2018), desain faktorial seperti ANOVA Dua Arah memungkinkan analisis simultan terhadap beberapa faktor dan interaksinya.

---

Perbedaan One Way ANOVA dan Two-Way ANOVA

Perbedaan utamanya terletak pada jumlah faktor yang dianalisis.

One Way ANOVA

Menggunakan satu faktor.

Contoh:

Metode pembelajaran → nilai siswa.

Two-Way ANOVA

Menggunakan dua faktor.

Contoh:

Metode pembelajaran + jenis kelamin → nilai siswa.

Keunggulan Two-Way ANOVA adalah kemampuannya mendeteksi interaction effect yang tidak dapat diperoleh melalui One Way ANOVA biasa.

---

Apa Itu Main Effect?

Main effect adalah pengaruh masing-masing faktor terhadap variabel dependen tanpa berfokus terlebih dahulu pada interaksinya.

Misalnya terdapat:

Faktor A: Metode pembelajaran
Faktor B: Jenis kelamin

Maka terdapat dua main effect:

Main Effect Metode Pembelajaran

Mengukur apakah rata-rata hasil belajar berbeda berdasarkan metode pembelajaran.

Main Effect Jenis Kelamin

Mengukur apakah rata-rata hasil belajar berbeda berdasarkan jenis kelamin.

Namun, interpretasi main effect harus dilakukan dengan hati-hati jika terdapat interaksi yang signifikan.

---

Apa Itu Interaction Effect?

Interaksi merupakan bagian penting dalam ANOVA Dua Arah.

Interaction effect terjadi ketika pengaruh faktor pertama terhadap variabel dependen berubah tergantung pada kategori faktor kedua.

Contohnya:

Metode pembelajaran A sangat efektif pada siswa perempuan, tetapi tidak memberikan hasil yang sama pada siswa laki-laki.

Dalam kondisi tersebut terdapat interaksi antara:

Metode Pembelajaran × Jenis Kelamin

Secara sederhana:

Pengaruh metode pembelajaran terhadap hasil belajar bergantung pada jenis kelamin siswa.

Field (2018) menjelaskan bahwa ketika interaksi signifikan, interpretasi harus lebih difokuskan pada pola interaksi daripada hanya melihat main effect secara terpisah.

---

Contoh Kasus ANOVA Dua Arah

Misalkan seorang peneliti ingin mengetahui pengaruh:

Metode pembelajaran

dan

Jenis kelamin

terhadap:

Nilai hasil belajar

Desain penelitian:

Metode	Laki-laki	Perempuan
Ceramah	Kelompok 1	Kelompok 2
Diskusi	Kelompok 3	Kelompok 4
Project Based Learning	Kelompok 5	Kelompok 6

Dengan desain ini, peneliti dapat menguji:

H1: Terdapat perbedaan hasil belajar berdasarkan metode pembelajaran.

H2: Terdapat perbedaan hasil belajar berdasarkan jenis kelamin.

H3: Terdapat interaksi antara metode pembelajaran dan jenis kelamin terhadap hasil belajar.

---

Syarat Uji ANOVA Dua Arah

Sebelum melakukan Two-Way ANOVA, beberapa asumsi perlu diperhatikan.

1. Variabel Dependen Bersifat Numerik

Variabel dependen umumnya berada pada skala interval atau rasio.

Contohnya:

• nilai ujian;
• skor prestasi;
• berat badan;
• pendapatan;
• tekanan darah;
• skor kepuasan.

2. Variabel Independen Bersifat Kategoris

Two-Way ANOVA menggunakan dua variabel independen kategoris atau faktor.

Contohnya:

Jenis kelamin: laki-laki dan perempuan.

Metode pembelajaran: A, B, dan C.

3. Observasi Bersifat Independen

Setiap responden sebaiknya hanya berada pada satu kombinasi kelompok.

Misalnya seorang responden tidak boleh sekaligus masuk ke kelompok metode A dan metode B pada desain independen.

Independensi merupakan salah satu asumsi penting dalam ANOVA (Field, 2018).

4. Residual Mendekati Distribusi Normal

Normalitas pada ANOVA berkaitan terutama dengan distribusi residual pada model.

Normalitas dapat diperiksa menggunakan:

• Shapiro-Wilk;
• histogram;
• Q-Q Plot;
• pemeriksaan outlier.

Namun, keputusan tidak sebaiknya hanya didasarkan pada satu nilai p-value. Jumlah sampel dan bentuk distribusi juga perlu dipertimbangkan.

5. Homogenitas Varians

Varians pada kelompok-kelompok yang dibandingkan sebaiknya relatif homogen.

Dalam SPSS, asumsi ini umumnya diuji menggunakan:

Levene’s Test of Equality of Error Variances.

Dasar interpretasi praktis:

Sig. > 0,05 → tidak terdapat bukti kuat bahwa varians berbeda.

Sig. ≤ 0,05 → terdapat indikasi heterogenitas varians.

---

Hipotesis dalam ANOVA Dua Arah

Dalam Two-Way ANOVA terdapat lebih dari satu hipotesis.

Misalkan:

Faktor A: Metode Pembelajaran
Faktor B: Jenis Kelamin

Hipotesis Faktor A

H0: Tidak terdapat perbedaan rata-rata hasil belajar berdasarkan metode pembelajaran.

Ha: Terdapat perbedaan rata-rata hasil belajar berdasarkan metode pembelajaran.

Hipotesis Faktor B

H0: Tidak terdapat perbedaan rata-rata berdasarkan jenis kelamin.

Ha: Terdapat perbedaan rata-rata berdasarkan jenis kelamin.

Hipotesis Interaksi

H0: Tidak terdapat interaksi antara metode pembelajaran dan jenis kelamin.

Ha: Terdapat interaksi antara metode pembelajaran dan jenis kelamin.

---

Cara Melakukan Uji ANOVA Dua Arah di SPSS

Di SPSS, Two-Way ANOVA umumnya dilakukan melalui General Linear Model – Univariate.

Misalnya data memiliki tiga variabel:

Nilai
Metode
Gender

Kode metode:

1 = Ceramah
2 = Diskusi
3 = Project Based Learning

Kode gender:

1 = Laki-laki
2 = Perempuan

Langkah 1: Masuk ke Menu Analisis

Pilih:

Analyze → General Linear Model → Univariate

Kotak dialog Univariate akan muncul.

Langkah 2: Masukkan Variabel

Masukkan:

Nilai ke:

Dependent Variable

Masukkan:

Metode dan Gender ke:

Fixed Factor(s)

Langkah 3: Periksa Model

Klik:

Model

Pada umumnya gunakan:

Full factorial

Pilihan ini memungkinkan SPSS menguji:

• pengaruh metode;
• pengaruh gender;
• interaksi metode × gender.

Klik:

Continue

Langkah 4: Pilih Options

Klik:

Options

Pilih beberapa statistik yang diperlukan, misalnya:

• Descriptive statistics;
• Estimates of effect size;
• Homogeneity tests.

Masukkan faktor ke bagian:

Display Means for

jika ingin melihat estimated marginal means.

Klik:

Continue

Langkah 5: Buat Interaction Plot

Klik:

Plots

Masukkan salah satu faktor ke:

Horizontal Axis

Misalnya:

Metode

Kemudian masukkan faktor lainnya ke:

Separate Lines

Misalnya:

Gender

Klik:

Add

Kemudian:

Continue

Interaction plot membantu melihat pola hubungan antara kedua faktor secara visual.

Langkah 6: Pilih Post Hoc Jika Diperlukan

Jika salah satu faktor memiliki lebih dari dua kategori, misalnya metode pembelajaran terdiri atas tiga kelompok, peneliti dapat memilih:

Post Hoc

Kemudian masukkan:

Metode

Metode post hoc yang dapat dipertimbangkan jika asumsi sesuai antara lain:

Tukey

atau metode lainnya berdasarkan desain dan kondisi data.

Jika sebuah faktor hanya memiliki dua kategori, post hoc tidak diperlukan karena hanya terdapat satu pasangan perbandingan.

Langkah 7: Jalankan Analisis

Klik:

OK

SPSS akan menghasilkan beberapa tabel output.

---

Cara Membaca Output ANOVA Dua Arah SPSS

Beberapa bagian penting yang perlu diperhatikan antara lain:

1. Descriptive Statistics

Tabel ini menunjukkan:

• mean;
• standard deviation;
• N.

Misalnya:

Metode	Gender	Mean
Ceramah	Laki-laki	70
Ceramah	Perempuan	73
Diskusi	Laki-laki	78
Diskusi	Perempuan	80
Project Based Learning	Laki-laki	82
Project Based Learning	Perempuan	89

Secara deskriptif terlihat bahwa rata-rata dapat berbeda antar kombinasi kelompok.

Namun, perbedaan tersebut harus diuji secara statistik.

---

2. Levene’s Test

Lihat tabel:

Levene’s Test of Equality of Error Variances

Misalnya diperoleh:

Sig. = 0,216

Karena:

0,216 > 0,05

maka tidak terdapat bukti yang cukup untuk menyatakan bahwa varians berbeda secara signifikan.

Dengan demikian, asumsi homogenitas dapat dianggap terpenuhi dalam konteks analisis tersebut.

---

3. Tests of Between-Subjects Effects

Ini merupakan tabel utama dalam Two-Way ANOVA.

Biasanya terdapat baris:

• Metode
• Gender
• Metode * Gender
• Error

Perhatikan kolom:

F

dan

Sig.

---

Contoh Interpretasi Main Effect Faktor A

Misalnya:

Metode

F = 18,42
Sig. < 0,001

Karena nilai p < 0,05, maka:

Terdapat perbedaan rata-rata hasil belajar yang signifikan berdasarkan metode pembelajaran.

Jika metode memiliki tiga kategori, analisis dapat dilanjutkan dengan post hoc untuk melihat kelompok mana yang berbeda.

---

Contoh Interpretasi Main Effect Faktor B

Misalnya:

Gender

F = 4,72
Sig. = 0,033

Karena:

0,033 < 0,05

maka:

Terdapat perbedaan rata-rata hasil belajar yang signifikan berdasarkan jenis kelamin.

---

Cara Membaca Interaction Effect

Perhatikan baris:

Metode * Gender

Misalnya diperoleh:

F = 5,31
Sig. = 0,007

Karena:

0,007 < 0,05

maka:

Terdapat interaksi yang signifikan antara metode pembelajaran dan jenis kelamin terhadap hasil belajar.

Artinya, pengaruh metode pembelajaran terhadap nilai hasil belajar berbeda tergantung jenis kelamin.

Ini merupakan temuan yang sangat penting.

---

Jika Interaksi Signifikan, Apa yang Harus Dilakukan?

Ketika interaction effect signifikan, jangan berhenti hanya pada tabel ANOVA.

Peneliti perlu memahami bagaimana bentuk interaksi tersebut.

Beberapa langkah yang dapat dilakukan antara lain:

• melihat interaction plot;
• membandingkan estimated marginal means;
• melakukan simple effects analysis;
• melakukan pairwise comparison.

Tujuannya adalah mengetahui pada kelompok mana perbedaan terjadi.

---

Apa Itu Simple Effects Analysis?

Simple effects analysis digunakan untuk mengetahui pengaruh satu faktor pada tingkat tertentu dari faktor lainnya.

Misalnya terdapat interaksi:

Metode × Gender

Peneliti dapat bertanya:

Apakah metode pembelajaran berbeda secara signifikan khusus pada kelompok laki-laki?

Kemudian:

Apakah metode pembelajaran berbeda secara signifikan khusus pada kelompok perempuan?

Analisis ini membantu menjelaskan interaksi secara lebih detail.

Maxwell et al. (2018) menekankan bahwa interaksi dalam desain faktorial sering memerlukan analisis lanjutan agar pola perbedaan dapat dipahami dengan benar.

---

Cara Membaca Interaction Plot

Interaction plot menampilkan garis untuk setiap kelompok.

Secara umum:

Garis Hampir Sejajar

Mengindikasikan interaksi yang lemah atau tidak terlihat secara visual.

Garis Tidak Sejajar

Mengindikasikan kemungkinan interaksi.

Garis Berpotongan

Sering menunjukkan pola interaksi yang kuat.

Namun, grafik tidak boleh menjadi dasar keputusan statistik sendirian.

Keputusan tetap harus melihat hasil uji F dan p-value.

---

Effect Size dalam Two-Way ANOVA

Selain nilai p, peneliti sebaiknya memperhatikan effect size.

SPSS dapat menampilkan:

Partial Eta Squared (Partial η²)

Effect size membantu menjelaskan seberapa besar proporsi variasi yang terkait dengan suatu faktor setelah mempertimbangkan faktor lain dalam model.

Contoh:

Metode:

Partial η² = 0,24

Gender:

Partial η² = 0,06

Interaksi:

Partial η² = 0,10

Nilai ini memberikan informasi tambahan yang tidak dapat diperoleh hanya dari p-value.

Signifikansi statistik tidak sama dengan besarnya pengaruh (Field, 2018).

---

Contoh Penulisan Hasil Two-Way ANOVA

Hasil penelitian dapat ditulis seperti berikut:

Hasil Two-Way ANOVA menunjukkan bahwa terdapat pengaruh utama metode pembelajaran terhadap hasil belajar, F(2, 114) = 18,42, p < .001. Selain itu, terdapat pengaruh utama jenis kelamin terhadap hasil belajar, F(1, 114) = 4,72, p = .032. Analisis juga menunjukkan interaksi yang signifikan antara metode pembelajaran dan jenis kelamin, F(2, 114) = 5,31, p = .006.

Kemudian dapat dilanjutkan:

Hasil tersebut menunjukkan bahwa pengaruh metode pembelajaran terhadap hasil belajar berbeda berdasarkan jenis kelamin siswa.

Jika interaksi signifikan, sebaiknya dilanjutkan dengan hasil simple effects atau pairwise comparisons.

---

Contoh Kesimpulan Penelitian

Misalnya hasil menunjukkan:

• metode signifikan;
• gender signifikan;
• interaksi signifikan.

Kesimpulan:

Hasil penelitian menunjukkan bahwa metode pembelajaran dan jenis kelamin memiliki pengaruh terhadap hasil belajar. Selain itu, ditemukan interaksi antara metode pembelajaran dan jenis kelamin, yang menunjukkan bahwa efektivitas metode pembelajaran berbeda pada kelompok jenis kelamin yang berbeda.

---

Bagaimana Jika Interaksi Tidak Signifikan?

Misalnya:

Metode * Gender:

Sig. = 0,425

Karena:

0,425 > 0,05

maka:

Tidak terdapat bukti statistik yang cukup mengenai interaksi antara metode pembelajaran dan jenis kelamin.

Artinya, pengaruh metode pembelajaran terhadap hasil belajar tidak menunjukkan pola yang berbeda secara signifikan berdasarkan gender.

Dalam kondisi ini, interpretasi main effect menjadi lebih sederhana.

---

Bagaimana Jika Main Effect Tidak Signifikan tetapi Interaksi Signifikan?

Situasi ini sangat mungkin terjadi.

Misalnya:

Metode:

p = 0,080

Gender:

p = 0,120

Interaksi:

p = 0,005

Ini berarti:

Secara keseluruhan metode tidak menunjukkan perbedaan rata-rata yang signifikan.

Gender juga tidak menunjukkan perbedaan rata-rata secara keseluruhan.

Namun, kombinasi metode dan gender menghasilkan pola yang berbeda.

Karena itu, jangan menyimpulkan bahwa penelitian “tidak berpengaruh” hanya karena main effect tidak signifikan.

Fokuskan interpretasi pada interaksi dan simple effects.

---

Apakah Post Hoc Selalu Dibutuhkan?

Tidak.

Post hoc biasanya digunakan ketika faktor memiliki lebih dari dua kategori dan main effect atau analisis lanjut memang membutuhkan perbandingan pasangan.

Misalnya:

Metode:

• A
• B
• C

Jika terdapat perbedaan signifikan, post hoc membantu mengetahui:

A vs B
A vs C
B vs C

Namun, jika hanya terdapat dua kategori, post hoc tidak diperlukan.

---

Two-Way ANOVA dengan Desain Seimbang dan Tidak Seimbang

Desain disebut balanced ketika jumlah observasi setiap kombinasi kelompok relatif sama.

Contoh:

• A-Laki-laki = 20
• A-Perempuan = 20
• B-Laki-laki = 20
• B-Perempuan = 20

Desain seimbang biasanya lebih mudah diinterpretasikan.

Dalam praktik, jumlah sampel dapat tidak sama. SPSS tetap dapat melakukan analisis melalui General Linear Model, tetapi interpretasi harus lebih hati-hati karena ketidakseimbangan ekstrem dapat memengaruhi estimasi dan interpretasi efek.

---

Kesalahan yang Sering Terjadi saat Melakukan ANOVA Dua Arah

Beberapa kesalahan umum antara lain:

1. Tidak memeriksa interaction effect.
2. Hanya membaca nilai main effect.
3. Menggunakan post hoc tanpa memperhatikan tujuan analisis.
4. Tidak memeriksa homogenitas varians.
5. Menyimpulkan perbedaan hanya berdasarkan mean.
6. Tidak melakukan simple effects ketika interaksi signifikan.
7. Tidak melaporkan effect size.
8. Menulis p = .000 daripada p < .001.
9. Mengabaikan outlier.
10. Tidak memahami struktur desain faktorial.

---

Checklist Uji ANOVA Dua Arah

Sebelum menarik kesimpulan, pastikan:

• terdapat satu variabel dependen numerik;
• terdapat dua faktor kategoris;
• observasi independen;
• residual telah diperiksa;
• homogenitas varians diperiksa;
• descriptive statistics dibaca;
• main effect faktor pertama diperiksa;
• main effect faktor kedua diperiksa;
• interaction effect diperiksa;
• effect size dilaporkan;
• simple effects dilakukan jika dibutuhkan.

---

Kapan Two-Way ANOVA Tidak Tepat Digunakan?

Two-Way ANOVA standar tidak cocok untuk semua desain.

Jika responden yang sama diukur berulang kali, peneliti mungkin membutuhkan:

Repeated Measures ANOVA atau Mixed ANOVA.

Jika variabel dependen tidak kontinu dan berupa kategori, metode seperti regresi logistik mungkin lebih tepat.

Jika terdapat kovariat numerik yang perlu dikontrol, peneliti dapat mempertimbangkan:

ANCOVA.

Karena itu, pemilihan analisis harus mengikuti desain penelitian, bukan hanya berdasarkan kemudahan penggunaan SPSS.

---

Kesimpulan

Uji ANOVA Dua Arah di SPSS digunakan untuk mengetahui pengaruh dua faktor kategoris terhadap satu variabel dependen numerik.

Analisis ini memungkinkan peneliti menguji:

1. main effect faktor pertama;
2. main effect faktor kedua;
3. interaction effect antara kedua faktor.

Di SPSS, Two-Way ANOVA umumnya dilakukan melalui:

Analyze → General Linear Model → Univariate

Bagian paling penting dalam analisis adalah memahami interaksi. Jika interaction effect signifikan, interpretasi sebaiknya tidak hanya berfokus pada main effect, tetapi dilanjutkan dengan interaction plot, estimated marginal means, atau simple effects analysis.

Dengan memahami struktur analisis, asumsi, output, dan cara interpretasinya, peneliti dapat menggunakan Two-Way ANOVA secara lebih tepat dalam skripsi, tesis, disertasi, maupun artikel ilmiah.

Daftar Pustaka

Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.

Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge.

IBM Corp. (2019). IBM SPSS Statistics Base 26. IBM Corporation.