TL;DR
Uji ANOVA adalah uji statistik buat ngecek apakah rata-rata tiga kelompok atau lebih beda secara nyata. One-way ANOVA dipakai kalau kamu punya satu faktor pembeda, two-way dipakai kalau ada dua faktor sekaligus plus kemungkinan interaksi. Di SPSS, one-way ada di Analyze, Compare Means, One-Way ANOVA, sementara two-way lewat General Linear Model, Univariate. Hasil ANOVA yang signifikan wajib dilanjutin uji post hoc, karena ANOVA nggak nunjukin pasangan kelompok mana yang beda.
Uji ANOVA adalah uji statistik buat ngecek apakah rata-rata tiga kelompok atau lebih beda secara nyata, atau selisihnya masih masuk akal sebagai kebetulan.
Ada satu hal yang sering bikin orang salah nulis kesimpulan. ANOVA cuma bilang ada perbedaan di antara kelompok, bukan kelompok mana yang beda.
Buat nunjuk pasangannya, kamu butuh uji lanjut. Di bawah ini langkah lengkapnya di SPSS, cara baca outputnya, dan contoh hitung pakai data tiga cabang toko.
ANOVA membagi total variasi data jadi dua bagian: variasi antar kelompok dan variasi di dalam kelompok. Nilai F adalah perbandingan keduanya. Kalau variasi antar kelompok jauh lebih besar dari variasi di dalam kelompok, F-nya besar dan hipotesis nol ditolak.
Kepanjangannya Analysis of Variance, walaupun yang dibandingin rata-rata. Namanya ngikutin cara kerjanya, bukan tujuannya.
Buat dua kelompok, kamu nggak butuh ANOVA. Uji t udah cukup, dan hasilnya identik. Bahasannya ada di panduan uji t test.
| Jenis | Jumlah faktor | Contoh pertanyaan | Menu SPSS |
|---|---|---|---|
| One-way ANOVA | 1 | Rata-rata belanja beda antar 3 cabang? | Compare Means > One-Way ANOVA |
| Two-way ANOVA | 2 | Belanja beda antar cabang dan antar hari kerja vs akhir pekan? | General Linear Model > Univariate |
| ANOVA repeated measures | 1, diukur berulang | Omzet toko yang sama di 3 periode promo? | General Linear Model > Repeated Measures |
Kelebihan two-way bukan cuma hemat langkah. Dia bisa nangkep interaksi, yaitu keadaan waktu efek satu faktor berubah tergantung faktor lain.
Contohnya, promo diskon naikin omzet di cabang kecil tapi nggak ngefek di cabang besar. Dua one-way terpisah nggak bakal nunjukin pola itu.
Syarat nomor 4 yang paling sering gagal di data penjualan, soalnya cabang besar biasanya punya sebaran yang lebih lebar. Kalau Levene-nya signifikan, pindah ke versi Welch dan post hoc Games-Howell.
Datamu harus disusun dalam dua kolom: satu kolom nilai, satu kolom penanda kelompok berupa angka dengan label.
belanja (Scale) dan cabang (Nominal).cabang, isi 1 = Bekasi, 2 = Depok, 3 = Tambun.belanja ke Dependent List, cabang ke Factor.Urutan menu ini konsisten dari SPSS 25 sampai versi terbaru. Referensi resminya ada di dokumentasi IBM SPSS Statistics.
Baca tiga tabel, urut. Pertama Test of Homogeneity of Variances buat cek Levene. Kedua tabel ANOVA buat lihat nilai F dan Sig. Ketiga tabel post hoc buat tau pasangan mana yang beda. Kalau Sig. di tabel ANOVA di atas 0,05, kamu berhenti di situ dan nggak perlu baca post hoc.
Bentuk tabel ANOVA-nya begini:
| Sumber | Sum of Squares | df | Mean Square | F | Sig. |
|---|---|---|---|---|---|
| Between Groups | 986,7 | 2 | 493,3 | 4,11 | 0,028 |
| Within Groups | 3.240,0 | 27 | 120,0 | ||
| Total | 4.226,7 | 29 |
Cara bacanya:
Kalau kamu diminta bandingin sama F tabel, nilainya buat df1 = 2 dan df2 = 27 adalah 3,35. Daftar lengkapnya ada di halaman tabel uji statistik.
SPSS nggak nampilin eta squared di output One-Way ANOVA. Hitung sendiri, gampang kok:
eta kuadrat = SS Between / SS Total
= 986,7 / 4.226,7
= 0,233Artinya 23,3 persen variasi nilai belanja bisa dijelasin sama perbedaan cabang. Sisanya 76,7 persen dari faktor lain yang nggak masuk model.
| Uji | Pakai kalau | Sifatnya |
|---|---|---|
| Tukey HSD | Jumlah data tiap kelompok mirip, ragam seragam | Pilihan default paling umum |
| Bonferroni | Perbandingan yang direncanain sedikit | Ketat, aman, gampang dijelasin |
| Scheffe | Mau bandingin gabungan kelompok | Paling ketat, paling konservatif |
| Games-Howell | Levene test signifikan | Nggak butuh ragam seragam |
| LSD | Jarang direkomendasiin | Nggak ngoreksi risiko banyak perbandingan |
Kalau kamu bingung, Tukey HSD jawaban amannya. Kalau Levene-mu gagal, Games-Howell.
Datamu butuh tiga kolom: satu nilai, dua penanda kelompok.
belanja ke Dependent Variable.cabang dan tipe_hari ke Fixed Factor(s).cabang di Horizontal Axis dan tipe_hari di Separate Lines, lalu klik Add.Di output Tests of Between-Subjects Effects, ada tiga baris yang kamu baca: efek cabang, efek tipe_hari, dan baris interaksi yang ditulis cabang * tipe_hari.
Baca baris interaksi duluan. Kalau interaksinya signifikan, efek utama nggak boleh ditafsirin sendiri-sendiri, soalnya efek satu faktor beda tergantung nilai faktor lain. Grafik dari menu Plots yang bakal ngejelasin polanya.
Aku pakai dataset toko_berkah, toko grosir di Bekasi. Sampel 10 transaksi acak per cabang, total 30. Angka dalam ribuan rupiah.
| Cabang | n | Rata-rata | Simpangan baku |
|---|---|---|---|
| Bekasi Timur | 10 | 92,0 | 10,4 |
| Depok | 10 | 84,0 | 11,8 |
| Tambun | 10 | 78,0 | 10,5 |
Rata-rata gabungan 84,67. Hasil ANOVA-nya persis tabel yang tadi: F = 4,11 dengan Sig. 0,028.
Kesimpulan sementara: ada perbedaan nilai belanja antar cabang. Tapi cabang mana yang beda sama mana, ANOVA nggak jawab.
Batas Tukey HSD = q(0,05; k=3; df=27) x akar(MS Within / n)
= 3,506 x akar(120 / 10)
= 3,506 x 3,464
= 12,15| Pasangan | Selisih rata-rata | Lebih dari 12,15? | Kesimpulan |
|---|---|---|---|
| Bekasi Timur vs Tambun | 14,0 | Ya | Beda nyata |
| Bekasi Timur vs Depok | 8,0 | Nggak | Belum cukup bukti |
| Depok vs Tambun | 6,0 | Nggak | Belum cukup bukti |
Cuma satu pasangan yang beda nyata: Bekasi Timur dan Tambun, selisih Rp 14.000 per transaksi.
Ini yang bikin post hoc penting. Kalau kamu berhenti di Sig. 0,028, kamu bisa salah nulis bahwa ketiga cabang saling beda. Padahal Depok berada di tengah dan belum bisa dibedain dari dua-duanya.
Buat toko, artinya jelas. Yang layak diperiksa dulu bukan ketiga cabang, tapi kenapa nilai belanja per transaksi di Tambun ketinggalan Rp 14.000 dari Bekasi Timur.
1. Berhenti setelah ANOVA signifikan. Tanpa post hoc, kamu nggak punya dasar buat nunjuk pasangan mana yang beda.
2. Skip Levene test. Kalau ragam antar kelompok beda jauh dan kamu tetap baca tabel ANOVA biasa, nilai Sig.-nya bisa menyesatkan. Centang Welch dari awal biar ada cadangan.
3. Nyusun data dalam kolom terpisah per kelompok. SPSS butuh format panjang: satu kolom nilai, satu kolom penanda kelompok. Bentuk tiga kolom sejajar bikin menu ANOVA nggak bisa jalan.
4. Baca efek utama padahal interaksinya signifikan. Di two-way ANOVA, interaksi yang signifikan bikin kesimpulan efek utama jadi menyesatkan.
5. Nggak ngelaporin ukuran efek. Nilai Sig. 0,028 nggak bilang seberapa besar perbedaannya. Eta squared 0,233 baru ngasih gambaran.
6. Ngabaikan outlier. Satu transaksi grosir di tengah data eceran bisa ngangkat rata-rata satu kelompok sekaligus ngembungin ragamnya. Cek sebarannya dulu, konsepnya di glosarium outlier.
Karena tiap uji punya risiko salah tolak 5 persen, dan risikonya numpuk. Buat tiga kelompok kamu butuh tiga uji t, dan peluang dapet minimal satu hasil signifikan palsu naik jadi sekitar 14 persen. Untuk empat kelompok, enam uji, risikonya sekitar 26 persen. ANOVA nguji semuanya dalam satu langkah, jadi taraf 5 persen kamu tetap terjaga.
Ini kejadian yang wajar, terutama kalau nilai signifikansinya nyerempet 0,05. Uji post hoc seperti Tukey dan Bonferroni memang lebih ketat, karena mereka nahan risiko salah dari banyaknya perbandingan. Artinya bukti kamu cukup buat bilang ada perbedaan secara umum, tapi belum cukup kuat buat nunjuk pasangan tertentu. Nambah data biasanya menyelesaikan keadaan ini.
Boleh, tapi jangan baca tabel ANOVA yang biasa. Di SPSS, buka Options di One-Way ANOVA lalu centang Welch. Angka Welch nggak butuh syarat ragam yang sama. Buat uji lanjutnya, ganti Tukey dengan Games-Howell yang memang dirancang untuk ragam nggak seragam. Kombinasi Welch dan Games-Howell ini pilihan aman waktu Levene kamu gagal.
Tukey HSD jadi pilihan default paling umum kalau jumlah data tiap kelompok mirip dan ragamnya seragam. Dia seimbang antara ketat dan masih punya tenaga buat nangkep perbedaan. Bonferroni cocok kalau perbandingan yang kamu rencanain sedikit dan spesifik. Hindari LSD tanpa alasan kuat, soalnya dia nggak ngoreksi risiko dari banyaknya perbandingan sama sekali.
Secara hitungan keduanya keluarga yang sama, sama-sama misahin variasi data jadi bagian yang terjelaskan dan yang tersisa. Bedanya di jenis variabel bebas. ANOVA dipakai kalau pembedanya berupa kelompok seperti cabang atau metode. Regresi dipakai kalau prediktornya berupa angka menerus seperti nominal belanja atau umur. Kamu bahkan bisa nulis ANOVA sebagai regresi dengan variabel dummy dan hasilnya sama.
Tiga hal yang bikin bab analisismu nggak kena revisi:
Buka data kamu sekarang, susun ulang jadi dua kolom, lalu jalanin One-Way ANOVA dengan Options lengkap. Lima menit, dan kamu udah punya bahan buat satu subbab penuh.
Buat ngitung rata-rata tiap kelompok sebelum masuk SPSS, kamu bisa pakai fungsi AVG di spreadsheet dulu sebagai pengecekan cepat.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.