REFRENSI LAPORAN AKHIR MODUL ANOVA DUA ARAH - STATISTIKA INDUSTRI

Berikut ini merupakan referensi Modul Korelasi dari Praktikum Statistika Industri 
*Tidak disertakan gambar pada pengolahan software 
*Tidak dijelaskan rumus pada perhitungan manual 
*Artikel ini dibuat semata-mata hanya untuk membantu praktikan dimodul korelasi 
Hal tersebut difungsikan untuk merahasiakan identitas dari kelompok yang bersangkutan


BAB I
PENDAHULUAN


1.1                 Latar Belakang
Saat ini perkembangan dalam dunia industri sangatlah pesat, hal ini ditandai dengan munculnya perusahaan-perusahaan yang baru merintis dan perusahaan tersebut akan menimbulkan persaingan antara perusahaan lain dalam meningkatkan hasil produksinya perusahaan menggunakan metode statistika, statistika adalah ilmu yang mempelajari tentang bagaimana mengumpulkan, menganalisis dan menginterpretasikan data. Statistika itu sendiri terbagi menjadi dua yaitu statistika deskriftif dan statistika inferensia. Statistika deskriftif yaitu itu penyajian data tanpa adanya suatu peramalan atau penarikan kesimpulan pada suatu data, sedangkan statistika inferensia adalah pengolahan dan penyajian data sampai pada tahap peramalan dan penarikan kesimpulan pada suatu data. Pada laporan akhir ini akan membahas mengenai Anova dua arah, Anova dua arah yaitu data percobaan yang terdiri dari dua faktor atau lebih dan dua level atau lebih.
Anova bertujuan untuk melakukan pengambian keputusan dari suatu kasus dengan menggunakan pengujian klasifikasi dua arah tanpa interaksi dan pengujian klasifikasi dengan dua arah. Anova termasuk ke dalam statistika inferensia, karena pada Anova ini bermula mencari data serta mengolahnya hingga dibuat kesimpulan. Harapannya dari hasil perhitungan manual dan software SPSS yang sudah dilakukan dengan menggunakan analisis Anovadua arah baik dengan interaksi maupun tanpa interaksi. Metode Anova dua arah diterapkan di perusahaan agar dapat mengetahui ada tidaknya pengaruh dari kelima warna jaket yaitu merah, kuning, hijau, biru, dan hitam terhadap banyaknya jumlah peminat menggunakan kuesioner dalam taraf nyata 5%. Dan untuk mengetahui ada tidaknya pengaruh jenis bahan yaitu babyterry, cottoncombed, fleece, TC, dan CVC dengan ukuran pakaian S, M, L, dan XL terhadap penggunaan bahan baku dan juga untuk mengetahui ada atau tidaknya interaksi antara jenis bahan dengan ukuran pakaian terhadap penggunaan bahan baku dengan taraf nyata 5%.Sehingga apabila terdapat perbedaan yang signifikan, perusahaan dapat meningkatkan faktor tersebut agar mendatangkan keuntungan.

1.2                 Tujuan Penulisan
Modul Anova dua Arah ini memiliki beberapa tujuan penulisan. Adapun tujuan penulisan laporan akhir modul Anova dua arah ini adalah:
1.   Mengetahui ada tidaknya pengaruh dari kelima warna jaket yaitu merah, kuning, hijau, biru, dan hitam terhadap banyaknya jumlah peminat menggunakan kuesioner dalam taraf nyata 5%.
2.   Mengetahui ada tidaknya pengaruh jenis bahan yaitu babyterry, cottoncombed, fleece, TC, dan CVC dengan ukuran pakaian S, M, L, dan XL terhadap penggunaan bahan baku dan juga untuk mengetahui ada atau tidaknya interaksi antara jenis bahan dengan ukuran pakaian terhadap penggunaan bahan baku dengan taraf nyata 5%.
BAB II
STUDI KASUS


2.1.               Studi Kasus
Studi kasus berisikan tentang masalah-masalah yang akan di selesaikan dengan menggunakan metode Anova dua arah. Terdapat dua studi kasus pada Anova dua arah yaitu studi kasus Anova dua arah tanpa interaksi dan Anova dua arah dengan interaksi.

2.1.1 Anova Dua Arah tanpa Interaksi
Perusahaan bernama PT Petrichor bergerak di bidang manufaktur dan distribusi. PT Petrichor merupakan perusahaan yang memproduksi jaket dengan banyak motif dan warna. Perusahaan menyediakan 5 warna yaitu, merah, kuning, hijau, biru, dan hitam. Sedangkan, motif yang disediakan sebanyak 6 macam yaitu floral, army, strip,polos, polkadot, dan abstrack. Perusahaan ingin mengetahui jumlah peminat jaket terhadap motif dan warna dengan cara menyebar kuesioner. Pengamatan dilakukan dengan menggunakan pengujian taraf nyata sebesar 5% selama 1 bulan. Berdasarkan pengamatan yang telah dilakukan, berikut data hasil pengamatan jumlah peminat dari kelima warna jaket dan keempat motif jaket.
Tabel 2.1 Data Jumlah Peminat
Motif
Warna
Merah
(TJ1)
Kuning
(TJ2)
Hijau
(TJ3)
Biru
(TJ4)
Hitam
(TJ5)
Total
(Ti)
Floral (Ti1)
7
6
4
7
7
31
Army (Ti2)
4
5
8
6
6
29
Strip (Ti3)
6
6
6
8
11
37
Polos (Ti4)
5
7
5
10
8
35
Tabel 2.1 Data Jumlah Peminat (Lanjutan)
Motif
Warna
Merah
(TJ1)
Kuning
(TJ2)
Hijau
(TJ3)
Biru
(TJ4)
Hitam
(TJ5)
Total
(Ti)
Polkadot (Ti5)
4
4
4
9
7
28
Abstrak (Ti6)
5
6
5
7
8
31
Total (TJ)
31
34
32
47
47
191

Berdasarkan data tersebut, perusahaan ingin mengetahui:
1.   Apakah terdapat pengaruh dari kelima warna jaket yaitu merah, kuning, hijau biru, dan hitam terhadap banyaknyajumlah peminat selama 1 bulan.
2.   Apakah terdapat pengaruh dari keenam motif jaket yaitu floral, army, strip, polos, polkadot, dan abstrack terhadap banyaknya jumlah peminat selama 1 bulan.

2.1.2  Anova Dua Arah dengan Interaksi
Perusahaan bernama PT Petrichor bergerak di bidang manufaktur dan distribusi. PT Petrichor merupakan perusahaan yang kegiatan utamanya memproduksi berbagai macam jaket. Jaket yang diproduksi oleh PT Petrichor memiliki 5 macam bahan yaitu baby terry, cotton combed, fleece, TC, dan CVC. Terdapat 4 ukuran jaket yang di produksi yaitu S, M, L, dan XL. Perusahaan ingin mengetahui jumlah bahan baku yang digunakan terhadap bahan dan ukuran jaket. Pengamatan dilakukan dengan pengujian taraf nyata sebesar 5% selama 1 bulan. Berikut data hasil pengamatan jumlah bahan baku yang digunakan dari keenam bahan jaket dan kelima ukuran jaket.
Tabel 2.2 Data Jumlah Penggunaan Bahan Baku
Ukuran
Bahan
Baby Terry
(Tj1)
Cotton Combed
(Tj2)
Fleece
(Tj3)
TC
(Tj4)
CVC
(Tj5)
Total
(Ti)
S (Ti1)
172
172
174
175
173
2649
178
178
180
182
180
Tabel 2.2 Data Jumlah Penggunaan Bahan Baku (Lanjutan)
Ukuran
Bahan
Baby Terry
(Tj1)
Cotton Combed
(Tj2)
Fleece
(Tj3)
TC
(Tj4)
CVC
(Tj5)
Total
(Ti)
S (Ti1)
176
175
178
178
178
2649
M (Ti2)
177
174
174
176
178
2687
182
177
181
177
180
182
182
180
185
182
L (Ti3)
181
179
180
181
178
2726
180
181
182
181
182
186
185
183
185
182
XL (Ti4)
183
179
182
183
182
2757
182
181
186
181
183
189
188
184
186
188
Total (Tj)
2168
2151
2164
2170
2166
10819

Berdasarkan data tersebut, perusahaan ingin mengetahui:
1.   Apakah terdapat pengaruh dari keempat ukuran jaket yaitu S, M, L, dan XL terhadap banyaknya jumlah penggunaan bahan baku selama 1 bulan.
2.   Apakah terdapat pengaruh dari kelima bahan jaket yaitu baby terry, cotton combed, fleece, TC, dan CVC terhadap banyaknya jumlah penggunaan bahan baku selama 1 bulan.
3.   Apakah terdapat pengaruh interaksi antara ukuran jaket dan bahan jaket terhadap banyaknya jumlah penggunaan bahan baku selama 1 bulan.
BAB III
HASIL DAN PEMBAHASAN


3.1.        Pengujian Data
Pengujian data dilakukan dengan tujuan untuk menunjukan bahwa data sampel berasal dari populasi yang berdistribusi normal. Pengujian normalitas data memiliki tujuan untuk untuk membuktikan bahwa data yang diambil berdistribusi normal. Terdapat dua pengujian data yaitu pengujian data Anova dua arah tanpa interaksi dan pengujian data Anova dua arah dengan interaksi.

3.1.1 Anova Dua Arah tanpa Interaksi
Pengujian Anova dua arah tanpa interaksi merupakan pengujian hipotesis tiga rata-rata yang berbeda atau lebih dengan dua faktor yang mempengaruhi dan interaksi antara kedua faktor ditiadakan. Berikut adalah langkah-langkah dari pengujian Anova dua arah tanpa interaksi.
Langkah pertama adalah memasukan variabel variabel yang akan digunakan pada variabel view. Masukkan Motif, warna, dan peminat bahan pada kolom name. ubah decimals pada bagian motif, warna, dan peminat menjadi 0.
Gambar 3.1 Variable View

Langkah selanjutnya pada value akan tampil jendela value labels dan masukan value berupa angka 1 untuk “Floral”, 2 untuk “Army”, 3 untuk “Strip”, 4 untuk “Polos”, 5 untuk “Polkadot”, 6 untuk “Abstrak”. Kemudian tekan OK, maka akan kembali ke tampilan variable view.
Gambar 3.2 Value Labels untuk Variabel Motif

Langkah berikutnya, masukkan value pada warna berupa angka 1 untuk “Merah”, angka 2 untuk “Kuning”, angka 3 untuk “Hijau”, angka 4 untuk “Biru”, angka 5 untuk “Hitam”. Kemudian tekan OK, maka akan kembali ke tampilan variable view.
Gambar 3.3 Value Labels untuk Variabel Warna

Tahap berikutnya, input data sebanyak 30 data pada view. Variabel bebas yang di input datanya yaitu motif dan warna sementara variabel terikat yang di input datanya yaitu peminat. Berikut merupakan tampilan pada data view.
Gambar 3.4 Data View

Tahap selanjutnya, pada data view pilih menu analyze, lalu memilih descriptive statics kemudian memilih explore. Menu analyze pada SPSS adalah menu bar yang berfungsi untuk melakukan analisis statistika. Descriptive statics adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga menaksir kualitas data beripa jenis variabel, ringkasan statistik, distribusi, dan representasi bergambar (grafik), tanpa rumus probabilistik apapun. Explore digunakan untuk membandingkan antara dua atau lebih kelompok dengan satu variabel.
Gambar 3.5 Analyze Tanpa Interaksi

Langkah selanjutnya muncul kotak dialog dari explore, kemudian masukkan peminat kedalam dependent list, warna dan motif ke dalam factor list. Kemudian memilih Both pada display.
Gambar 3.6 Kotak Dialog Explore

Tahap berikutnya tekan plots pada kotak dialog explore dan akan muncul kotak dialog explore: plots. Lalu pilih factor levels together pada boxplots, kemudian menceklis stem-and-leaf, lalu menceklis Normality plots with tests dan pilih untransformed dan kemudian tekan continue.
Gambar 3.7 Kotak Dialog Explore: Plots

Pengujian data untuk Anova dua arah tanpa interaksi banyak digunakan untuk mengetahui apakah data sudah sesuai dengan hipotesis yang di inginkan atau belum dan berfungsi untuk mengetahui apakah data tersebut dapat menggunakan Anova dua arah atau tidak. Berikut merupakan hasil pengujian
data Anova dua arah tanpa interaksi dan analisisnya.
Gambar 3.8 Output Test Of Normality

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk mengetahui apakah sebaran data tersebut berdistribusi normal atau tidak.Penetapan hipotesis dari uji normalitas yaitu hipotesis awal (H0) populasi berdistribusi normal dan hipotesis alternatif (H1) populasi tidak berdistribusi normal (Hasan, 2002). Jika nilai signifikan bernilai lebih dari 0,05 maka H0 diterima, populasi berdistribusi normal. Sedangkan jika nilai signifikan bernilai kurang dari 0,05 maka H0 ditolak, populasi tidak berdistribusi normal.Data pengamatan pada studi kasus Anova dua arah tanpa interaksi berjumlah 30 data maka nilai signifikan yang digunakan yaitu nilai signifikan  pada kolom Shapiro-Wilk. Berdasarkan Gambar 3.8, terdapat 5 varian warna yaitu merah, kuning, hijau, biru dan hitam. Nilai signifikan untuk jaket warna merah yaitu 0,421 dan dengan derajat kebebasan sebesar 6.Nilai signifikan untuk jaket warna kuning yaitu 0,473 dan dengan derajat kebebasan sebesar 6.Nilai signifikan untuk jaket warna hijau yaitu 0,212 dan dengan derajat kebebasan sebesar 6.Nilai signifikan untuk jaket warna biru yaitu 0,804 dan dengan derajat kebebasan sebesar 6.Nilai signifikan untuk jaket warna hitam yaitu 0,210 dan dengan derajat kebebasan sebesar 6. Derajat kebebasan (degree of freedom) adalah derajat ketergantungan banyaknya observasi dan banyaknya variabel independent yang digunakan untuk menentukan nilai kritis. Sedangkan nilai signifikan adalah tingkat keyakinan terhadap suatu hipotesis, apakah hipotesis tersebut akan diterima atau ditolak.
Gambar 3.9 Output Test Of Homogeneity Of Variance

Uji Homogenitas adalah sebuah uji yang dilakukan dengan tujuan untuk mengetahui varian dari beberapa populasi sama atau tidak. Penetapan hipotesis dari uji homogenitas yaitu hipotesis awal (H0) varian dari populasi bersifat homogen dan hipotesis alternatif (H1) varians dari populasi tidak bersifat homogen. Uji homogenitas dapat dilihat pada bagian based on means karena berdasarkan hipotesis sebelumnya, pengolahan data menggunakan metode Anova digunakan untuk mengamati apakah terdapat perubahan rata-rata jumlah peminat yang dipengaruhi oleh kelima warna jaket yaitu merah, kuning, hijau, biru, hitam. Jika besarnya nilai signifikan bernilai lebih besar dari 0,05 maka H0 diterima, varians berasal dari populasi bersifat homogen. Jika besarnya nilai signifikan kurang dari 0,05 maka H0 ditolak, varians berasal dari populasi tidak bersifat homogen. Berdasarkan Gambar 3.9, didapatkan signifikasi based on means sebesar 0,888 > 0,05 maka H0 diterima yang artinya varians berasaldari populasi bersifat homogen. Levene Statistic menunjukkan angka 0,28 yang berarti semakin kecil nilainya maka semakin besar tingkat homogenitasnya dan nilai signifikan semakin besar. Nilai derajat bebas (degree of freedom) pada kolom pertama menunjukkan pembilang (numerator) pada tabel F bernilai 4. Sedangkan pada derajat bebas pada kolom kedua menunjukkan penyebut (denominator) pada tabel F bernilai 25.

3.1.2    Anova Dua Arah dengan Interaksi
Pengujian data untuk Anova dua arah tanpa interaksi banyak digunakan untuk mengetahui apakah data sudah sesuai dengan hipotesis yang di inginkan atau belum dan berfungsi untuk mengetahui apakah data tersebut dapat menggunakan Anova dua arah atau tidak. Berikut merupakan hasil pengujian data Anova dua arah tanpa interaksi dan analisisnya.
Gambar 3.10 Output Tests Of Normality

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk mengetahui apakah sebaran data tersebut berdistribusi normal atau tidak. Penetapan hipotesis dari uji normalitas yaitu hipotesis awal (H0) populasi berdistribusi normal dan hipotesis alternatif (H1) populasi tidak berdistribusi normal (Hasan, 2002). Jika nilai signifikan bernilai lebih dari 0,05 maka H0 diterima, populasi berdistribusi normal. Sedangkan jika nilai signifikan bernilai kurang dari 0,05 maka H0 ditolak, populasi tidak berdistribusi normal. Data pengamatan pada studi kasus Anova dua arah dengan interaksi berjumlah 60 data maka nilai signifikan yang digunakan yaitu nilai signifikan  pada kolom Kolmogorov-Smirnov. Berdasarkan Gambar 3.10, terdapat 5 varian bahan yaitubaby terry, cotton combed, fleece, TC dan CVC. Nilai signifikan untuk jaket bahan baby terry yaitu 0,200 dan dengan derajat kebebasan sebesar 12. Nilai signifikan untuk jaket bahan cotton combed yaitu 0,106 dan dengan derajat kebebasan sebesar 12. Nilai signifikan untuk jaket bahan fleeceyaitu 0,213 dan dengan derajat kebebasan sebesar 12. Nilai signifikan untuk jaket bahan TC yaitu 0,185 dan dengan derajat kebebasan sebesar 12. Nilai signifikan untuk jaket bahan CVC yaitu 0,174 dan dengan derajat kebebasan sebesar 12. Derajat kebebasan (degree of freedom) adalah derajat ketergantungan banyaknya observasi dan banyaknya variabel independent yang digunakan untuk menentukan nilai kritis. Sedangkan nilai signifikan adalah tingkat keyakinan terhadap suatu hipotesis, apakah hipotesis tersebut akan diterima atau ditolak.
Gambar 3.11 Output Test Of Homogeneity Of Variance

Pada output test of homogeneity of variance. Levene static menujukkan semakin kecil nilainya maka semakin besar homogenitasnya, df (degree of freedom) adalah derajat ketergantungan banyaknya observasi dan banyaknya variabel independent yang digunakan untuk menentukan nilai kritis. sig(signifikan) adalah tingkat keyakinan terhadap suatu hipotesis, apakah hipotesis tersebut akan diterima atau ditolak. Uji homogenitas dapat dilihat pada bagian based on means karena berdasarkan hipotesis sebelumnya, pengolahan data menggunakan Anova digunakan untuk mengamati apakah terdapat perubahan rata-rata jumlah penggunan bahan baku yang dipengaruhi oleh kelima bahan jaket yaitu baby terry, cotton combed, fleece, dan CVC. Jika besarnya nilai signifikan bernilai lebih besar dari 0,05 maka H0 diterima, varians berasal dari populasi bersifat homogen. Jika besarnya nilai signifikan kurang dari 0,05 maka H0 ditolak, varians berasal dari populasi tidak bersifat homogen. Berdasarkan Gambar 3.11, didapatkan signifikasi based on means sebesar 0,885 > 0,05 maka H0 diterima yang artinya varians berasaldari populasi bersifat homogen. Levene Statistic menunjukkan angka 0,287 yang berarti semakin kecil nilainya maka semakin besar tingkat homogenitasnya dan nilai signifikan semakin besar. Nilai derajat bebas (degree of freedom) pada kolom pertama menunjukkan pembilang (numerator) pada tabel F bernilai 4. Sedangkan pada derajat bebas pada kolom kedua menunjukkan penyebut (denominator) pada tabel F bernilai 55.

3.2.    Perhitungan Manual
Perhitungan manual dilakukan untuk menentukan formulasi hipotesis, menentukan taraf nyata dan nilai F tabel, menentukan kriteria pengujian, nilai uji statistika dan menarik kesimpulan.

3.2.1  Perhitungan Manual Tanpa Interaksi
Pengujian Anova dua arah tanpa interaksi adalah pengujian hipotesis beda tiga rata-rata atau lebih dengan menggunakan dua faktor yang berpengaruh dan interaksi antara kedua faktor tersebut ditiadakan. Berikut perhitungan manual untuk Anova dua arah tanpa interaksi.
1.    Menentukan Formulasi Hipotesis
Langkah pertama dalam menyelesaikan kasus dengan menggunakan Anova dua arah yaitu menentukan formula hipotesis terlebih dahulu mencari nilai H0 dan nilai H1 dengan berdasarkan masing-masing motif dan warna.
a.     H0 : rata-rata kelima warna jaket sama sehingga tidak ada   
pengaruh perbedaan warna terhadap jumlah peminat.
H1 : rata-rata kelima warna jaket tidak sama sehingga ada
pengaruh perbedaan warna jaket terhadap jumlah peminat.
b. H0 :  rata-rata keempat motif jaket sama sehingga tidak ada pengaruh perbedaan motif jaket terhadap jumlah peminat.
H1 : rata-rata keempat motif jaket tidak sama sehingga ada pengaruh perbedaan motif jaket terhadap jumlah peminat.
2.    Menentukan taraf nyata (α) dan F tabelnya
Nilai taraf nyata yang digunakan sebesar 5% = 0,05 artinya 5 dari tiap 100 kesimpulan akan menolak hipotesis yang seharusnya diterima, atau 95% yakin bahwa kesimpulan yang dibuat benar dengan peluang kekeliruan atau toleransi kesalahan sebesar 5%.
Taraf nyata (α) dan F tabel ditentukan menggunakan derajat pembilang dan penyebut yang masing-masing :
α = 5% = 0,05
a.  Untuk baris : V1 = b – 1
= 6 – 1
= 5
V2 = (k – 1) (b – 1)
= (5) (4)
= 20
          F0,05 (5:20) = 2,71
b.  Untuk kolom : V1 = k – 1
= 5 – 1
= 4
V2= (k – 1) (b – 1)
= (5) (4)
= 20
          F0,05 (4:20) = 2,87
3.    Menentukan kriteria pengujian
Kriteria pengujian bertujuan untuk mengetahui keputusan yang didapat jika nilai yang diperoleh bernilai lebih besar atau lebih kecil dari nilai pada F tabelnya yang telah didapatkan. Berikut merupakan kriteria pengujian Anova dua arah tanpa interaksi.
a.    H0 diterima apabila F0 ≤ 2,71
     H0 ditolak apabila F0 > 2,71
b. H0 diterima apabila F0 ≤ 2,87
     H0 ditolak apabila F0 > 2,87
4.    Membuat analisis variansnya dalam bentuk tabel Anova
Perhitungan analisis varians merupakan model statistik yang digunakan untuk menghitung perbedaan rata-rata dan disajikan dalam bentuk tabel, sehingga akan lebih mudah dalam penulisan dan pembacaan tabel. Berikut ini merupakan tabel perhitungan manual Anova dua arah tanpa interaksi.
Tabel 3.1 Perhitungan Manual Anova 2 Arah tanpa Interaksi
Motif
Warna
Merah
(TJ1)
Kuning
(TJ2)
Hijau
(TJ3)
Biru
(TJ4)
Hitam
(TJ5)
Total
(Ti)
Floral (Ti1)
7
6
4
7
7
31
Army (Ti2)
4
5
8
6
6
29
Strip (Ti3)
6
6
6
8
11
37
Polos (Ti4)
5
7
5
10
8
35
Polkadot (Ti5)
4
4
4
9
7
28
Abstrack (Ti6)
5
6
5
7
8
31
Total
31
34
32
47
47
191

= 72+42 +62 +...+ 82 -  
= 1309 – 1216,03
= 92,967
 
=  
= 1228,2 – 1216,03
= 12,167
 
=  
= 1259,83 – 1216,03
= 43,8
JKE = JKT – JKB - JKK
= 92,967 – 12,167 – 43,8
= 37
 
 
 
 
 
Tabel 3.2 Anova Dua Arah Tanpa Interaksi
Sumber Varians
Jumlah Kuadrat
Derajat Bebas
Rata-Rata Kuadrat
Fhitung(F0)
Rata-rata baris
12,167
5
2,433
F1 = 1,315
F2 = 5,918
Rata-rata kolom
43,8
4
10,95
Error
37
20
1,85
Total
92,97
29



5.    Kesimpulan :
Kesimpulan berguna  untuk menyimpulkan apakah H0 diterima atau ditolak dengan membandingkan antara langkah ke-4 dengan kriteria pengujian. Berikut kesimpulan yang telah didapat.
a.    Berdasarkan dari perhitungan didapatkan nilai F0 = 1,315. Dikarenakan F0 = 1,315 lebih kecil daripada F0,05(5;20) = 2,71, maka dapat dapat disimpulkan bahwa H0 diterima. Jadi, rata-rata kelima warna jaket sama sehingga tidak ada pengaruh perbedaan warna terhadap jumlah peminat.
b.     Berdasarkan dari perhitungan didapatkan nilai F0 = 2,25.  Dikarenakan F0 = 2,25 lebih kecil daripada F0,05(4;20) = 2,87, maka dapat disimpulkan bahwa H0 diterima. Jadi, rata-rata keempat motif jaket sama sehingga tidak ada pengaruh perbedaan motif jaket terhadap jumlah peminat.
3.2.2 Perhitungan Manual Dengan Interaksi
Pengujian Anova dua arah dengan interaksi adalah pengujian beda tiga rata-rata atau lebih dengan menggunakan dua faktor yang berpengaruh dan pengaruh interaksi antara kedua faktor tersebut diperhitungkan. Anova ini digunakan bila sampel berada pada kelompok yang sama. Berikut merupakan langkah-langkah dari uji anova dua arah dengan interaksi.
1.    Menentukan Formulasi Hipotesis
Menyelesaikan kasus diatas terlebih dahulu mencari nilai H0 dan nilai H1 dengan menentukan formula hipotesis dari masing-masing ukuran jaket dan jumlah bahan baku
a.    H0 : rata-rata keempat ukuran jaket sama sehingga tidak
ada pengaruh perbedaan ukuran jaket terhadap jumlah penggunaan bahan baku.
H1 : rata-rata keempat ukuran jaket tidak sama sehingga ada pengaruh perbedaan ukuran jaket terhadap jumlah penggunaan bahan baku.
b.    H0 : rata-rata keenam bahan jaket sama sehingga tidak
ada pengaruh perbedaan bahan jaket terhadap jumlah penggunaan bahan baku.
H1 : rata-rata keenam bahan jaket tidak sama sehingga   ada pengaruh perbedaan bahan jaket terhadap jumlah         penggunaan bahan baku.
c.     H0 : rata-rata keenam bahan jaket dan keempat ukuran
jaket sama sehingga tidak ada interaksi terhadap jumlah penggunaan bahan baku.
H1 : rata-rata keenam bahan jaket dan keempat ukuran
jaket tidak sama sehingga ada interaksi terhadap jumlah penggunaan bahan baku.
2.    Menentukan taraf nyata (α) dan F tabel
Nilai taraf nyata yang digunakan sebesar 5% = 0,05 artinya 5 dari tiap 100 kesimpulan akan menolak hipotesis yang seharusnya diterima, atau 95% yakin bahwa kesimpulan yang dibuat benar dengan peluang kekeliruan atau toleransi kesalahan sebesar 5%.
Taraf nyata (α) dan F tabel ditentukan dengan derajat pembilang dan penyebut masing-masing:
a. Untuk baris: v1= b-1
= 4-1
= 3
 v2 = kb(n-1)
= 5.4(3-1)
= 20(2)
= 40
F0,05(3;40) = 2,84
b. Untuk kolom: v1= k-1
= 5-1
= 4
v2= kb(n-1)
= 5.4(3-1)
= 20(2)
= 40
        F0,05 (4;40) = 2,61
c.  Untuk interaksi: v1  = (5-1)(4-1)
= (4)(3)
= 12
 V     = kb(n-1)
= 5.4(3-1)
= 20(2)
= 40
F0,05 (12;40) = 2,00
3.    Menentukan kriteria pengujian
Kriteria pengujian bertujuan untuk mengetahui berapa nilai yang diperoleh dan harus disesuaikan dengan nilai pada F tabelnya yang telah didapatkan. Apabila F tabel melebihi F0 maka H0 diterima dan sebaliknya.
a. Untuk baris:
H0 diterima apabila F0 ≤ 2,84
H0 ditolak apabila F0> 2,84
b. Untuk kolom:
H0 diterima apabila F0 ≤ 2,61
H0 ditolak apabila F0> 2,61
c.  Untuk interaksi:
H0 diterima apabila F0 ≤ 2,00
H0 ditolak apabila F0> 2,00
4.    Membuat analisis variansnya dalam bentuk tabel Anova
Perhitungan dalam analisis varians akan lebih ditampilkan dalam bentuk tabel. berikut ini merupakan tabel perhitungan manual Anova dua arah tanpa interaksi.
Tabel 3.3 Perhitungan Manual Anova 2 Arah dengan Interaksi
Ukuran
Bahan
Baby Terry
(Tj1)
Cotton Combed
(Tj2)
Fleece
(Tj3)
TC
(Tj4)
CVC
(Tj5)
Total
(Ti)
S (Ti1)
172
172
174
175
173
2649
176
175
178
178
178
178
178
180
182
180
M (Ti2)
177
174
174
176
178
2687
182
177
181
177
180
182
182
180
185
182
L (Ti3)
181
179
180
181
178
2726
180
181
182
181
182
186
185
183
185
182
Tabel 3.3 Perhitungan Manual Anova 2 Arah dengan Interaksi (Lanjutan)
Motif
Bahan
Baby Terry
(Tj1)
Cotton Combed
(Tj2)
Fleece
(Tj3)
TC
(Tj4)
CVC
(Tj5)
Total
(Ti)
XL (Ti4)
183
179
182
183
182
2757
182
181
186
181
183
189
188
184
186
188
Total (Ti)
2168
2151
2164
2170
2166
10819

b = 4    k = 5        
n = 3
= 1722 +1762 + 1782 +...+1882 -  
= 1951759 – 1950846,017
= 912,983
 
=  
= 1951286,33 – 1950846,017
= 440,316
=
= 1950864,75 – 1950846,017
= 18,733
=  
= 1951338,333 – 1951286,33 – 1950864,75 + 1950846,017
= 33,26
JKE = JKT – JKB – JKK - JKI
= 912,983 – 440,316 – 18,733 – 33,26
= 420,666
        
Tabel 3.4 Anova Dua Arah dengan Interaksi
Sumber Varians
Jumlah Kuadrat
Derajat Bebas
Rata-rata kuadrat
F0
Rata-rata baris
440,316
3
146,772
F1 = 13,956
F2 = 0,445
F3 = 0,263
Rata-rata kolom
18,733
4
4,683
Interaksi
33,26
12
2,772
Error
420,666
40
10,517

Total
912,983
59



5.     Kesimpulan
Kesimpulan berguna  untuk menyimpulkan apakah H0 diterima atau ditolak dengan membandingkan antara langkah ke-4 dengan kriteria pengujian.
a.           Dikarenakan F0 = 13,956 bernilai lebih besar dari F0,05(3;40) = 2,84, maka H0 ditolak. Jadi dapat disimpulkan bahwa rata-rata keempat ukuran jaket sama sehingga tidak ada   pengaruh perbedaan ukuran bahan jaket terhadap jumlah penggunaan bahan baku.
b.           Dikarenakan F0 = 0,445 bernilai lebih kecil dari F0,05(4;40) = 2,61, maka H0 diterima. Jadi dapat disimpulkan bahwa rata-rata keenam bahan jaket sama sehingga tidak ada   pengaruh perbedaan bahan jaket terhadap jumlah penggunaan bahan baku.
c.            Dikarenakan F0 = 0,263 bernilai lebih kecil dari F0,05(12;40) = 2,00, maka H0 diterima. Jadi dapat disimpulkan bahwa rata-rata keempat ukuran jaket dan keenam bahan jaket sama sehingga tidak ada interaksi antara ukuran dan bahan jaket terhadap jumlah penggunaan bahan baku.

3.3.               Pengolahan Software
Perhitungan software dilakukan dengan menggunakan aplikasi SPSS 16.0. Menghitung menggunakan bantuan software dapat dikatakan lebih mudah dan praktis karena tidak memerlukan waktu lama dan rumit seperti pada saat melakukan perhitungan manual. Dengan melakukan pengolahan menggunakan software sebagai alat bantu perhitungan data, hasil yang didapatkan akan lebih teliti dibandingkan dengan  perhitungan manual.  Pengolahan software Anova dua arah dibagi menjadi dua, yaitu pengolahan software Anova dua arah tanpa interaksi dan pengolahan software Anova dua arah dengan interaksi. Berikut merupakan langkah-langkah dan output pengolahan software modul Anova dua arah.



3.3.1 Pengolahan Software tanpa Interaksi
Langkah pertama yaitu memasukkan variabel variabel yang akan digunakan pada variabel view. Masukkan motif, warna, dan peminat pada kolom name. ubah decimals pada bagian motif, warna, dan peminat
Gambar 3.12 Variable View

Langkah berikutnya pada value akan tampil jendela value labels dan masukkan value berupa angka 1 untuk “Float”, 2 untuk “Army”, 3 untuk “Strip”, 4 untuk “Polos”, 5 untuk “Polkadot”, 6 untuk “Abstrak”. Kemudian tekan OK, maka akan kembali ke tampilan variable view.
Gambar 3.13 Kotak Dialog Value Labels

Langkah berikutnya, masukkan value pada warna berupa angka 1 untuk “Merah”, angka 2 untuk “Kuning”, angka 3 untuk “Hijau”, angka 4 untuk “Biru”, angka 5 untuk “Hitam”. Kemudian tekan OK, maka akan kembali ke tampilan variable view.
Gambar 3.14 Value Labels untuk Variabel Ukuran Jaket

Tahap berikutnya, input data sebanyak 30 data pada view. Variabel bebas yang di input datanya yaitu motif dan warna sementara variabel terikat yang di input datanya yaitu peminat. Berikut merupakan tampilan pada data view.
Gambar 3.15 Data View

Langkah berikutnya memilih menu analyze, lalu memilih general linear model kemudian memilih univariate. Menu analyze pada SPSS adalah menu bar yang berfungsi untuk melakukan analisis statistika. general linear model berguna untuk membandingkan rataan antar kelompok sebelum dan setelah dilakukannya suatu faktor tertentu. Univariate adalah cara untuk menganalisis data secara serentak dimana data yang diamati hanya memiliki satu variabel dependent pada setiap objek yang diamati.
Gambar 3.16 Analyze

Tahap selanjutnya akan muncul kotak dialog univariate. Masukkan peminat kedalam dependent variable, warna kedalam fixed factor, motif kedalam random factor. Kemudian menekan OK.
Gambar 3.17 Kotak Dialog Univariate

Setelah melakukan langkah-langkah di atas, akan muncul dua output pada jendela baru. Output tersebut terdiri dari output Between-Subjects Factors dan output Test of Between-Subjects Effects. Berikut merupakan tampilan dari kedua output tersebut.
Gambar 3.18 Output Between-Subjects Factors

Between subjects factors berfungsi untuk menjelaskan tentang banyaknya responden per kategori. Value label adalah data yang telah di masukkan dalam values pada data view. N adalah jumlah data yang sebanyak 30.
Gambar 3.19 Output Test of Between-Subjects Effects

Pada Output test of between-subjects effects berisi kumpulan nilai JKT, JKB, JKK dan JKE, df, dan nilai Fhitung. Type III sum of squares merupakan jenis yang menguji keberadaan efek utama setelah efek utama dan interaksi lainnya. Oleh karena itu, pendekatan ini berlaku di hadapan interaksi yang signifikan. Df (Degree of Freedom) adalah derajat ketergantungan banyaknya observasi dan banyaknya variabel independent yang digunakan untuk menentukan nilai kritis. Mean of square adalah rata-rata kuadrat skor simpangannya yang menunjukkan variansi suatu distribusi yang diamati. F merupakan frekuensi data. Sig adalah tingkat keyakinan terhadap suatu hipotesis, apakah hipotesis tersebut akan diterima atau ditolak.

3.3.2           Anova Dua Arah dengan Interaksi
Langkah pertama yaitu memasukkan variabel-variabel yang akan digunakan pada variabel view. Masukkan jenis bahan, ukuran, dan penggunaan bahan. Ubah decimals jenis bahan, ukuran, dan penggunaan bahan baku menjadi 0. Pastikan measure tiap variabel view menjadi scale.
Gambar 3.20 Variable View

Langkah berikutnya masuk pada kolom values baris jenis bahan dan akan tampil kotak dialog value labels. Kemudian masukkan pada value labels berupa angka 1 untuk “Baby Terry”, angka 2 untuk “Cotton Combed”, angka 3 untuk “Fleece”, angka 4 untuk “TC”, dan angka 5 untuk “CVC”. Setelah semua dimasukkan kemudian tekan OK dan akan kembali ke tampilan variable view.
Gambar 3.21 Kotak Dialog Value Labels Jenis Bahan

Langkah selanjutnya pilih kembali value pada baris ukuran, dan akan tampil kotak dialog value labels. Kemudian masukkan value berupa angka 1 untuk “S”, angka 2 untuk “M”, angka 3 untuk “L”, angka 4 untuk “XL”.  Lalu tekan OK dan akan kembali ke data variable view.
Gambar 3.22 Kotak Dialog Value Labels Ukuran

Tahap selanjutnya yaitu memasukkan data sebanyak 60 data pada view. Variabel bebas yang dimasukkan adalah jenis bahan dan ukuran sementara variabel terikat yang dimasukkan adalah jumlah penggunaan bahan baku. Berikut merupakan tampilan akhir dari data pengamatan yang sudah dimasukkan ke dalam Data View.
Gambar 3.23 Data View

Tahap berikutnya  yaitu memilih menu Analyze, kemudian memilih General Linear Model, lalu memilih Univariate. Menu analyze pada SPSS adalah menu bar yang berfungsi untuk melakukan analisis statistik. General linear model berguna untuk membandingkan rataan antar kelompok sebelum dan setelah dilakukannya suatu faktor tertentu. Univariate adalah cara untuk menganalisis data secara serentak dimana data yang diamati hanya memiliki satu variabel dependent pada setiap objek yang diamati.
Gambar 3.24 Analyze

Tahap berikutnya akan muncul kotak dialog univariate. Kemudian masukkan penggunaan bahan kedalam dependent variable, ukuran jaket kedalam fixed factor, jenis  bahan ke dalam random factor. Setelah itu tekan OK.
Gambar 3.25 Kotak Dialog Univariate

Setelah melakukan langkah-langkah di atas, akan muncul dua output pada jendela baru. Output tersebut terdiri dari output Between-Subjects Factors dan output Test of Between-Subjects Effects. Berikut merupakan tampilan dari kedua output tersebut.
Gambar 3.26 Output Between-Subjects Factors

Berikut merupakan output Between-Subjects Factors. Between subjects factors berfungsi untuk menjelaskan tentang banyaknya responden untuk tiap kategori. Value label adalah data yang telah di masukkan dalam values pada data view. N adalah jumlah data yang sebanyak 60 data.
Gambar 3.27 Output Tests Of Between Effects

Berikut merupakan output tests of between-subjects effects. Pada Output test of between-subjects effects berisi kumpulan nilai JKT, JKB, JKK dan JKE, df, dan nilai Fhitung. Type III sum of squares merupakan jenis yang menguji keberadaan efek utama setelah efek utama dan interaksi lainnya. Oleh karena itu, pendekatan ini berlaku di hadapan interaksi yang signifikan. Df (Degree of Freedom) adalah derajat ketergantungan banyaknya observasi dan banyaknya variabel independent yang digunakan untuk menentukan nilai kritis. Mean of square adalah rata-rata kuadrat skor simpangannya yang menunjukkan variansi suatu distribusi yang diamati. F merupakan frekuensi data. Sig adalahtingkat keyakinan terhadap suatu hipotesis, apakah hipotesis tersebut akan diterima atau ditolak.

3.4.    Analisis Pehitungan Manual
Analisis perhitungan manual dalam Anova dua arah terbagi menjadi dua jenis penyelesaian yaitu dengan perhitungan manual tanpa interaksi yang merupakan pengujian hipotesis untuk beda tiga rata-rata atau lebih dengan menggunakan dua faktor yang berpengaruh dan interaksi antara kedua faktor tersebut ditiadakan dan dengan perhitungan manual dengan interaksi yang merupakan pengujian hipotesis untuk beda tiga rata-rata atau lebih dengan menggunakan dua faktor yang berpengaruh dan pengaruh interaksi antara kedua faktor tersebut diperhitungkan. Berikut ini merupakan penjelasan dari kedua penyelesaian perhitungan manual tanpa interaksi dan perhitungan manual dengan interaksi.

3.4.1           Analisis Perhitungan Manual Anova Dua Arah tanpa Interaksi
Berdasarkan hasil yang diperoleh dari perhitungan manual yang didapat Formula hipotesis H0 merupakan rata-rata kelima warna jaket sama sehingga tidak ada pengaruh perbedaan warna terhadap jumlah peminat sedangkan H1 merupakan rata-rata kelima warna jaket tidak sama sehingga ada pengaruh perbedaan warna jaket terhadap jumlah peminat. H0 merupakan rata-rata keempat motif jaket sama sehingga tidak ada pengaruh perbedaan motif jaket terhadap jumlah peminat sedangkan H1 merupakan rata-rata keempat motif jaket tidak sama sehingga ada pengaruh perbedaan motif jaket terhadap jumlah peminat.  Nilai taraf nyata yang digunakan sebesar 5% = 0,05 artinya 5 dari tiap 100 kesimpulan akan menolak hipotesis yang seharusnya diterima, atau 95% yakin bahwa kesimpulan yang dibuat benar dengan peluang kekeliruan atau toleransi kesalahan sebesar 5%. Untuk baris nilai V1 sebesar 5 menunjukan kolom pada tabel F sebagai derajat bebas pembilang dan V2 sebesar 20 menunjukan baris pada tabel F sebagai derajat bebas penyebut. Nilai F0,05(5;20) sebesar 2,71 artinya H0 diterima jika F0 ≤ 2,71 dan H0 ditolak jika F0 > 2,71. Untuk kolom nilai V1 sebesar 4 menunjukan kolom pada tabel F sebagai derajat bebas pembilang dan V2 sebesar 20 menunjukan baris pada tabel F sebagai derajat bebas penyebut. Nilai F0,05(4;20) sebesar 2,87 artinya H0 diterima jika F0 ≤ 2,87 dan H0 ditolak jika F0 > 2,87. Analisis varians dari nilai JKT merupakan jumlah kuadrat total, dengan menghitung kuadrat dari masing-masing data pengamatan dikurangi faktor koreksi sehingga menghasilkan nilai sebesar 92,967. Nilai JKB menghasilkan nilai sebesar 12,167. Nilai JKK merupakan jumlah kuadrat kelompok dihitung dengan mengkuadratkan jumlah kelompok dibagi dengan jumlah data pengamatan lalu dikurangi dengan jumlah faktor koreksi sehingga menghasilkan nilai sebesar 43,8. Nilai JKE merupakan jumlah kuadrat eror yang dihitung dengan mengurangkan nilai dari JKT-JKB-JKK sehingga menghasilkan nilai sebesar 37. Nilai pada tabel Anova untuk rata-rata kuadrat baris yang diperoleh dari nilai JKB sebesar 12,167 dan nilai rata-rata kuadrat baris sebesar 2,433. Rata-rata kuadrat kolom yang diperoleh dari nilai JKK sebesar 43,8 dan nilai rata-rata kuadrat kolom sebesar 10,95. Rata-rata kuadrat eror yang diperoleh dari nilai JKE sebesar 37 dan nilai rata-rata kuadrat eror sebesar 1,85. Sehingga menghasilkan nilai F1 dari perhitungan S1 dibagiS3 menghasilkan nilai sebesar 1,315. Nilai F2 dari perhitungan S2 dibagiS3 menghasilkan nilai sebesar 5,918. Berdasarkan hasil yang diperoleh maka dapat disimpulkan bahwa F1 = 1,315 ≤  F0,05(5;20) = 2,71 maka H0 diterima. Jadi rata-rata kelima warna jaket sama sehingga tidak ada pengaruh perbedaan warna tehadap jumlah peminat dan F2 = 5,918 >  F0,05(5;20) = 2,71 maka H0 ditolak. Jadi rata-rata keempat motif jaket tidak sama sehingga ada pengaruh perbedaan motif jaket terhadap jumlah peminat.

3.4.2           Analisis Perhitungan Manual Anova Dua Arah dengan Interaksi
Berdasarkan hasil yang diperoleh dari perhitungan manual yang didapat Formula hipotesis H0 merupakan rata-rata kelima warna jaket sama sehingga tidak ada pengaruh perbedaan warna terhadap jumlah peminat sedangkan H1 merupakan rata-rata kelima warna jaket tidak sama sehingga ada pengaruh perbedaan warna jaket terhadap jumlah peminat. H0 merupakan rata-rata keempat motif jaket sama sehingga tidak ada pengaruh perbedaan motif jaket terhadap jumlah peminat sedangkan H1 merupakan rata-rata keempat motif jaket tidak sama sehingga ada pengaruh perbedaan motif jaket terhadap jumlah peminat. H0 merupakan rata-rata antara kelima warna jaket dan keempat motif jaket sama sehingga tidak ada interaksi terhadap jumlah peminat sedangkan H1 merupakan rata-rata antara kelima warna jaket dan keempat motif jaket tidak sama sehingga ada interaksi terhadap jumlah peminat. Nilai taraf nyata yang digunakan sebesar 5% = 0,05 artinya 5 dari tiap 100 kesimpulan akan menolak hipotesis yang seharusnya diterima, atau 95% yakin bahwa kesimpulan yang dibuat benar dengan peluang kekeliruan atau toleransi kesalahan sebesar 5%. Untuk baris nilai V1 sebesar 3 menunjukan kolom pada tabel F sebagai derajat bebas pembilang dan V2 sebesar 40 menunjukan baris pada tabel F sebagai derajat bebas penyebut. Nilai F0,05(3;40) sebesar 2,84 artinya H0 diterima jika F0 ≤ 2,84 dan H0 ditolak jika F0 > 2,84. Untuk kolom nilai V1 sebesar 4 menunjukan kolom pada tabel F sebagai derajat bebas pembilang dan V2 sebesar 40 menunjukan baris pada tabel F sebagai derajat bebas penyebut. Nilai F0,05(4;40) sebesar 2,61 artinya H0 diterima jika F0 ≤ 2,61 dan H0 ditolak jika F0 > 2,61. Untuk interaksi nilai V1 sebesar 12 menunjukan kolom pada tabel F sebagai derajat bebas pembilang dan V2 sebesar 40 menunjukan baris pada tabel F sebagai derajat bebas penyebut. Nilai F0,05(12;40) sebesar 2,00 artinya H0 diterima jika F0 ≤ 2,00 dan H0 ditolak jika F0 > 2,00. Analisis varians dari nilai JKT merupakan jumlah kuadrat total, dengan menghitung kuadrat dari masing-masing data pengamatan dikurangi faktor koreksi sehingga menghasilkan nilai sebesar 912,983. Nilai JKB menghasilkan nilai sebesar 440,316. Nilai JKK merupakan jumlah kuadrat kelompok dihitung dengan mengkuadratkan jumlah kelompok dibagi dengan jumlah data pengamatan lalu dikurangi dengan jumlah faktor koreksi sehingga menghasilkan nilai sebesar 18,733. Nilai JKI menghasilkan nilai sebesar 33,26. Nilai JKE merupakan jumlah kuadrat eror yang dihitung dengan mengurangkan nilai dariJKT-JKB-JKK-JKI sehingga menghasilkan nilai sebesar 420,666. Nilai pada tabel Anova untuk rata-rata kuadrat baris yang diperoleh dari nilai JKB sebesar 440,316 dan nilai rata-rata kuadrat baris sebesar 146,772. Rata-rata kuadrat kolom yang diperoleh dari nilai JKK sebesar 18,733 dan nilai rata-rata kuadrat kolom sebesar 4,683. Rata-rata kuadrat interaksi yang diperoleh dari nilai JKI sebesar 33,26 dan nilai rata-rata kuadrat interaksi sebesar 2,772. Rata-rata kuadrat eror yang diperoleh dari nilai JKE sebesar 420,666 dan nilai rata-rata kuadrat eror sebesar 10,517. Sehingga menghasilkan nilai F1 dari perhitungan S1 dibagiS4 menghasilkan nilai sebesar 13,956. Nilai F2 dari perhitungan S2 dibagiS4 menghasilkan nilai sebesar 0,445. Nilai F3 dari perhitungan S3 dibagiS4 menghasilkan nilai sebesar 0,263. Berdasarkan hasil yang diperoleh maka dapat disimpulkan bahwa F1 = 13,956 > F0,05(3;40) = 2,84 maka H0 ditolak. Jadi rata-rata kelima warna jaket tidak sama sehingga ada pengaruh perbedaan warna jaket tehadap jumlah peminat, F2 = 0,445 ≤ F0,05(4;40) = 2,61 maka H0 diterima. Jadi rata-rata keempat motif jaket sama sehingga tidak ada pengaruh perbedaan motif jaket terhadap jumlah peminat, dan F3 = 0,263 ≤ F0,05(12;40) = 2,00 maka H0 diterima. Jadi rata-rata antara kelima warna jaket dan keempat motif jaket sama sehingga tidak ada interaksi terhadap jumlah peminat.

3.5.    Analisis Pengolahan Software
Analisis pengolahan software merupakan suatu perhitungan untuk mencari nilai Anova dua arah. Software yang digunakan untuk mencari Anova dua arah yaitu SPSS  16.0. dengan output terinci dan sistematis. Analisis ini dapat menjelaskan hasil  dari output software yang dipakai. Analisis pengolahan software pada Anova dua arah terbagi menjadi dua yaitu analisis pengolahan software Anova dua arah tanpa interaksi dan analisis pengolahan software Anova dua arah dengan interaksi. Berikut ini merupakan penjelasan output dari keduanya.

3.5.1            Analisis Pengolahan Software Anova Dua Arah tanpa Interaksi
Pengolahan software Anova dua arah tanpa interaksi terbagi menjadi dua output yaitu output between-subject factors yang berfungsi untuk menjelaskan tentang banyaknya responden perkategori dan tests of between-subjects effect yang berfungsi untuk menguji jenis dari keberadaan efek utama setelah efek utama dan interaksi lainnya. Tabel keduanya memiliki pengertian dan fungsi yang berbeda-beda.
Pertama, analisis pada tabel output between-subject factors. Pada tabel output between-subject factors menunjukan jumlah data pada warna dan motif. Nilai N menunjukan banyaknya data yang telah diolah pada software sebesar 30. Value label menjelaskan bahwa data yang telah dimasukan dalam values pada data view. Variabel warna memiliki lima value label yaitu merah, kuning, hijau, biru, dan hitam dengan jumlah nilai N masing-masing sebesar 6. Variabel motif memiliki enam value label yaitu floral, army, strip, polos, polkadot, dan abstrak dengan jumlah nilai N masing-masing sebesar 5. Pada tabel ini juga memberikan informasi mengenai jumlah baris dan jumlah kolom yang digunakan.
Kedua, analisis pada tabel tests of between-subject factors. Pada nilai intercept menunjukan nilai type lll sum of squares menghasilkan nilai sebesar 1216,033 dengan nilai eror atau jumlah kuadrat baris (JKB) sebesar 12,167 menunjukan jenis pengujian dari keberadaan efek utama setekah efek utama dan interaksi lainnya pendekatan berlaku dihadapan interaksi yang signifikan. Nilai derajat kebebasan sebesar 1 dengan nilai eror sebesar 5 menunjukan ketergantungan banyaknya observasi dan variabel independent yang digunakan dalam menentukan titik kritis. Nilai mean squares sebesar 1216,033 dengan nilai eror atau jumlah kuadrat baris (JKB) sebesar 2,433 menunjukan rata-rata kuadrat skor simpangannya yang menunjukan variasi suatu distribusi yang teramati. Nilai F sebesar 499,740 menunjukan jumlah frekuesi data. Dan signifikan sebesar 0,000 menunjukan tingkat keyakinan pada hipotesis maka ditolak karena (0,000 < 0,05). Pada variabel warna menunjukan nilai type lll sum of squares atau jumlah kuadrat kolom (JKK) menghasilkan nilai sebesar 43,800 dengan nilai eror sebesar 37,000 menunjukan jenis pengujian dari keberadaan efek utama setekah efek utama dan interaksi lainnya pendekatan berlaku dihadapan interaksi yang signifikan. Nilai derajat kebebasan sebesar 4 dengan nilai eror sebesar 20 menunjukan ketergantungan banyaknya observasi dan variabel independent yang digunakan dalam menentukan titik kritis. Nilai mean squares atau jumlah kuadrat kolom (JKK) sebesar 10,950 dengan nilai eror atau jumlah kuadrat eror (JKE) sebesar 1,850 menunjukan rata-rata kuadrat skor simpangannya yang menunjukan variasi suatu distribusi yang teramati. Nilai F sebesar 5,919 menunjukan jumlah frekuensi data. Dan signifikan sebesar 0,003 menunjukan tingkat keyakinan pada hipotesis maka ditolak karena (0,003 < 0,05). Variabel motif menunjukan type lll sum of squares menghasilkan nilai sebesar 12,167 dengan nilai eror sebesar 37,000 menunjukan jenis pengujian dari keberadaan efek utama setekah efek utama dan interaksi lainnya pendekatan berlaku dihadapan interaksi yang signifikan. Nilai derajat kebebasan sebesar 5 dengan nilai eror sebesar 20 menunjukan ketergantungan banyaknya observasi dan variabel independent yang digunakan dalam menentukan titik kritis. Nilai mean squares sebesar 2,433 dengan nilai eror sebesar 1,850 menunjukan rata-rata kuadrat skor simpangannya yang menunjukan variasi suatu distribusi yang teramati. Nilai F sebesar 1,315 menunjukan jumlah frekuensi data. Dan signifikan sebesar 0,297 menunjukan tingkat keyakinan pada hipotesis maka diterima karena (0,297 > 0,05). Pada variabel warna dengan motif menunjukan type lll sum of squares menghasilkan nilai sebesar 37,000 dengan nilai eror sebesar 0,000 menunjukan jenis pengujian dari keberadaan efek utama setekah efek utama dan interaksi lainnya pendekatan berlaku dihadapan interaksi yang signifikan. Nilai derajat kebebasan sebesar 20 dengan nilai eror sebesar 0,000 menunjukan ketergantungan banyaknya observasi dan variabel independent yang digunakan dalam menentukan titik kritis. Nilai mean squares sebesar 1,850 menunjukan rata-rata kuadrat skor simpangannya yang menunjukan variasi suatu distribusi yang teramati. Nilai F tidak ada ini menandakan tidak adanya interaksi, maka dapat disimpulkan bahwa warna punya pengaruh terhadap motif.

3.5.2           Analisis Pengolahan Software Anova Dua Arah dengan Interaksi
Pengolahan software Anova dua arah dengan interaksi terbagi menjadi dua output yaitu output between-subject factors yang berfungsi untuk menjelaskan tentang banyaknya responden perkategori. dan tests of between-subjects effect yang berfungsi untuk menguji jenis dari keberadaan efek utama setelah efek utama dan interaksi lainnya. Tabel keduanya memiliki pengertian dan fungsi yang berbeda-beda. Berikut analisis output nya.
Pertama, analisis pada tabel output between-subject factors. Pada tabel output between-subject factors menunjukan jumlah data pada ukuran jaket dan jenis bahan. Nilai N menunjukan banyaknya data yang telah diolah pada software sebesar 60. Value label menjelaskan bahwa data yang telah dimasukan dalam values pada data view. Variabel ukuran jaket memiliki empat value label yaitu S, M, L, dan XL dengan jumlah nilai N masing-masing sebesar 15. Variabel jenis bahan memiliki lima value label yaitu Baby terry, Cotton combed, Fleece, TC, CVC dengan jumlah nilai N masing-masing sebesar 12. Pada tabel ini juga memberikan informasi mengenai jumlah baris dan jumlah kolom yang digunakan.
Kedua, analisis pada tabel tests of between-subject factors. Intercept merupakan nilai penggunaan bahan sebelum dipengaruhi oleh ukuran dan jenis bahan. Nilai Intercept pada Gambar 3.26 menunjukan nilai sebesar 1950846.0,17 dengan derajat bebas error 1, rata-rata simpangan sebesar 1950846,017, dan frekuensi data sebesar 1,855E5 dengan Sig. 0,000 artinya nilai Sig. 0,00 bernilai lebih kecil dari 0,05 sehingga jumlah penggunaan bahan baku tanpa pengaruh ukuran dan bahan jaket signifikan. Nilai JKK atau jenis bahan menghasilkan nilai 18,733 dengan derajat bebas error yang menghasilkan nilai 4 dengan rata-rata simpangan sebesar 4,683, dan frekuensi data sebesar 0,445 dengan Sig. sebesar 0,775 artinya nilai Sig. 0,775 bernilai lebih besar dari 0,05 sehingga jenis bahan tidak berpengaruh signifikan terhadap jumlah penggunaan bahan baku. Nilai JKB atau ukuran jaket sebesar 440,317 dengan derajat bebas error baris dikurang satu menghasilkan sebesar nilai 3 dengan  rata-rata simpangan 146,772 dan frekuensi data 13,956 dengan Sig. sebesar 0,000 artinya Sig. 0,00 bernilai lebih kecil dari 0,05 sehingga ukuran jaket berpengaruh signifikan terhadap jumlah penggunaan bahan baku. Nilai JKI atau ukuran jaket sebesar 33,267 dengan derajat bebas error sebesar 12 dengan rata-rata simpangan 2,772 dan frekuensi data 0,264 dengan Sig. sebesa 0,992 artinya Sig. 0,992 bernilai lebih besar dari 0,05 sehingga jenis bahan dan ukuran jaket tidak berpengaruh signifikan terhadap jumlah penggunaan bahan baku. Nilai error merupakan nilai penyimpangan maksimum dengan nilai sebesar 420,667 dengan derajat bebas error sebesar 40 Pada baris total merupakan jumlah dari setiap data yang dikuadratkan menunjukan nilai sebesar 1951759 dengan derajat bebas error sama dengan banyak data yaitu sebesar 60.

3.6                 Analisis Perbandingan
Analisis perbandingan merupakan metode yang digunakan untuk membandingkan hasil dari dua atau lebih nilai yang didapat dari setiap pengolahan yang dilakukan, penggunaan analisis disini untuk membandingkan hasil nilai dari perhitungan manual dan pengolahan software. Berikut ini akan ditampilkan tabel dari perhitungan manual dan pengolahan software.

Tabel 3.2.3 Analisis Perbandingan Perhitungan Manual dan Software
Studi Kasus
Jumlah Kuadrat dan Nilai F
Perhitungan Manual
Pengolahan Software
Anova Dua Arah tanpa Interaksi
Jumlah Kuadrat Kolom (JKK)
43,8
43,8
Jumlah Kuadrat Eror (JKE)
37
37
Jumlah Kuadrat Total (JKT)
92,967
92,966
Derajat Kolom Bebas (V1)
4
4
Derajat Baris Bebas (V2)
5
5
Derajat Eror Bebas (V3)
20
20
Fhitung 1
1,315
1,315
Kesimpulan
H0 diterima
H0 diterima
Fhitung 2
5,918
5,918
Kesimpulan
H0 ditolak
H0 ditolak

Tabel 3.2.3 Analisis Perbandingan Perhitungan Manual dan Software (Lanjutan)
Studi Kasus
Jumlah Kuadrat dan Nilai F
Perhitungan Manual
Pengolahan Software
Anova Dua Arah dengan Interaksi
Jumlah Kuadrat Kolom (JKK)
18,733
18,733
Jumlah Kuadrat Eror (JKE)
420,666
420,666
Jumlah Kuadrat Total (JKT)
912,983
912,983
Derajat Kolom Bebas (V1)
4
4
Derajat Baris Bebas (V2)
3
3
Derajat Interaksi Bebas (V3)
12
12
Derajat Eror Bebas (V4)
40
40
Fhitung 1
13,956
13,956
Kesimpulan
H0 ditolak
H0 ditolak
Fhitung 2
0,445
0,445
Kesimpulan
H0 diterima
H0 diterima
Fhitung 3
0,263
0,264
Kesimpulan
H0 diterima
H0 diterima

Berdasarkan hasil yang diperoleh dari perhitungan manual dan pengolahan software pada tabel data diatas. Didapatkan nilai jumlah kuadrat kelompok (JKK) pada perhitungan manual Anova dua arah tanpa interaksi sebesar 43,8 sedangkan nilai jumlah kuadrat kelompok (JKK) pada pengolahan software dua arah tanpa interaksi sebesar 43,8. Nilai jumlah kuadrat error (JKE) pada perhitungan manual Anova dua arah tanpa interaksi sebesar 37 sedangkan nilai jumlah kuadrat error (JKE) pada pengolahan software dua arah tanpa interaksi sebesar 37. Nilai jumlah kuadrat total (JKT) pada perhitungan manual Anova dua arah tanpa interaksi sebesar 92,966 sedangkan nilai jumlah kuadrat total (JKT) pada pengolahan software dua arah tanpa interaksi sebesar 92,966. Nilai F1 pada perhitungan manual Anova dua arah tanpa interaksi sebesar 1,315 sedangkan nilai F1 pada pengolahan software Anova dua arah tanpa interaksi sebesar 1,315. Nilai F2 pada perhitungan manual Anova dua arah tanpa interaksi sebesar 5,918 sedangkan nilai F2 pada pengolahan software Anova dua arah tanpa interaksi sebesar 5,918. Pada hasil perhitungan menggunakan software, hasil akhir tidak dibulatkan ke atas sehingga nilai yang didapatkan merupakan nilai murni tanpa adanya pembulatan.Berdasarkan hasil perhitungan yang diperoleh dari perhitungan manual dan pengolahan software dari Anova dua arah tanpa interaksi didapatkan hasil nilai yang tidak jauh berbeda.
Berdasarkan hasil yang diperoleh dari perhitungan manual dan pengolahan software pada tabel data diatas. Didapatkan nilai jumlah kuadrat kelompok (JKK) pada perhitungan manual Anova dua arah dengan interaksi sebesar 18,733 sedangkan nilai jumlah kuadrat kelompok (JKK) pada pengolahan software Anova dua arah dengan interaksi sebesar 18,733. Nilai jumlah kuadrat error (JKE) pada perhitungan manual Anova dua arah dengan interaksi sebesar 420,666 sedangkan nilai jumlah kuadrat error (JKE) pada pengolahan software dua arah dengan interaksi sebesar 420,666. Nilai jumlah kuadrat total (JKT) pada perhitungan manual Anova dua arah dengan interaksi sebesar 912,983 sedangkan nilai jumlah kuadrat total (JKT) pada pengolahan software dua arah dengan interaksi sebesar 912,983. Nilai F1 pada perhitungan manual Anova dua arah dengan interaksi sebesar 13,956 dan nilai F1 pada pengolahan software Anova dua arah dengan interaksi sebesar 13,956. Nilai F2 pada perhitungan manual Anova dua arah dengan interaksi sebesar 0,445 dan nilai F2 pada pengolahan software Anova dua arah dengan interaksi sebesar 0,445. Nilai F3 pada perhitungan manual Anova dua arah dengan interaksi sebesar 0,263 dan nilai F3 pada pengolahan software Anova dua arah dengan interaksi sebesar 0,264. Berdasarkan hasil perhitungan yang diperoleh dari perhitungan manual dan pengolahan software dari Anova dua arah dengan interaksi didapatkan hasil nilai yang tidak jauh berbeda.
                                                                      


BAB IV
KESIMPULAN DAN SARAN


4.1     Kesimpulan
Kesimpulan adalah jawaban dari tujuan praktikum yang sudah di tentukan dan sudah dilakukan analisa perhitungan dan didapatkan jawabannya dari setiap pembahasannya. Kesimpulan juga dapat diartikan sebagai suatu proporsi (kalimat yang disampaikan) yang diambil dari beberapa premis (ide pemikiran) dengan aturan-aturan inferensi (yang berlaku). Berikut ini merupakan kesimpulan dari praktikum Anova dua arah tanpa interaksi dan Anova dua arah dengan interaksi berdasarkan perhitungan manual dan pengolahan software
1.    Anova Dua Arah tanpa Interaksi
a.           Berdasarkan perhitungan manual nilai Fhitung untuk baris diperoleh hasil sebesar 1,315  dan F0,05(5,20) sebesar 2,71 maka Fhitung = 1,315 ≤ F0,05(5,20) = 2,71 maka H0 diterima. Artinya rata-rata kelima warna jaket sama sehingga tidak ada pengaruh perbedaan warna terhadap jumlah peminat.
     Berdasarkan pengolahan software nilai Fhitung untuk baris diperoleh hasil sebesar 1,315  dan F0,05(5,20) sebesar 2,71 maka Fhitung = 1,315 ≤ F0,05(5,20) = 2,71 maka H0 diterima. Artinya rata-rata kelima warna jaket sama sehingga tidak ada pengaruh perbedaan warna terhadap jumlah peminat.
b.           Berdasarkan perhitungan manual nilai Fhitung untuk kolom diperoleh hasil sebesar 5,918  dan F0,05(4,20) sebesar 2,87 maka Fhitung = 5,918 > F0,05(4,20) = 2,87 maka H0 ditolak. Artinya rata-rata keempat motif jaket tidak sama sehingga ada pengaruh perbedaan motif jaket terhadap jumlah peminat.
     Berdasarkan pengolahan software nilai Fhitung untuk kolom diperoleh hasil sebesar 5,918  dan F0,05(4,20) sebesar 2,87 maka Fhitung = 5,918 > F0,05(4,20) = 2,87 maka H0 ditolak. Artinya rata-rata keempat motif jaket tidak sama sehingga ada pengaruh perbedaan motif jaket terhadap jumlah peminat.
2.    Anova Dua Arah dengan Interaksi
a.           Berdasarkan perhitungan manual nilai Fhitung untuk baris diperoleh hasil sebesar 13,956 dan F0,05(3,40) sebesar 2,84 maka Fhitung = 13,956 > F0,05(3,40) = 2,84 maka H0 ditolak. Artinya rata-rata kelima warna jaket tidak sama sehingga ada pengaruh perbedaan warna jaket terhadap jumlah peminat.
     Berdasarkan pengolahan software nilai Fhitung untuk baris diperoleh hasil sebesar 52,944 dan F0,05(4,20) sebesar 2,84 maka Fhitung = 52,944 > F0,05(4,20) = 2,84 maka H0 ditolak. Artinya rata-rata keempat motif jaket tidak sama sehingga ada pengaruh perbedaan motif jaket terhadap jumlah peminat.
b.           Berdasarkan perhitungan manual nilai Fhitung untuk kolom diperoleh hasil sebesar 0,445 dan F0,05(4,40) sebesar 2,61 maka Fhitung = 0,445 ≤ F0,05(4,40) = 2,61 maka H0 diterima. Artinya rata-rata keempat motif jaket sama sehingga tidak ada pengaruh perbedaan motif jaket terhadap jumlah peminat.
     Berdasarkan pengolahan software nilai Fhitung untuk kolom diperoleh hasil sebesar 0,445 dan F0,05(4,40) sebesar 2,61 maka Fhitung = 1,689 ≤ F0,05(4,40) = 2,61 maka H0 diterima. Artinya rata-rata keempat motif jaket sama sehingga tidak ada pengaruh perbedaan motif jaket terhadap jumlah peminat.
c.            Berdasarkan perhitungan manual nilai Fhitung untuk interaksi diperoleh hasil sebesar 0,263 dan F0,05(12,40) sebesar 2,00 maka Fhitung = 0,263 ≤ F0,05(12,40) = 2,00 maka H0 diterima. Artinya rata-rata antara kelima warna jaket dan keempat motif jaket sama sehingga tidak ada interaksi terhadap jumlah peminat.
     Berdasarkan pengolahan software nilai Fhitung untuk interaksi diperoleh hasil sebesar 0,264 dan F0,05(12,40) sebesar 2,00 maka Fhitung = 0,264 ≤ F0,05(12,40) = 2,00 maka H0 diterima. Artinya rata-rata antara kelima warna jaket dan keempat motif jaket sama sehingga tidak ada interaksi terhadap jumlah peminat.

4.2     Saran
Saran adalah suatu solusi yang ditujukan untuk menyelesaikan permasalahan yang di hadapi oleh praktikan selama kegiatan laboratorium yang bersifat mendidik, membangun, dan bersifat objektif sesuai dengan topik pembahasan yaitu Anova dua arah tanpa interaksi dan Anova dua arah dengan interaksi. Oleh karena itu diberikan saran sebagai berikut :
1.    Pengujian data yang dilakukan setiap praktikan harus dengan analisa yang benar dan tepat.
2.    Hubungan komunikasi dan penyampaian antara praktikan yang baik selama berlangsungnya praktikum.
3.    Bagi setiap praktikan diharapkan untuk selalu mengikuti arahan dari asisten laboratorium selama berlangsungnya praktikum.
4.    Praktikan diwajibkan untuk selalu mematuhi tata tertib dan peraturan yang sudah ditetapkan dalam pelaksanaan praktikum.
5.    Praktikan diharapkan dapat memahami setiap materi yang diberikan pada saat praktikum.


DAFTAR PUSTAKA
  
Hasan, Iqbal. 2001. Pokok-pokok Materi Statistika 2 (Statistika Inferensif). Jakarta: Bumi Aksara
Walpole, Ronald E. 1982. Pengantar Statistika Edisi ke-3. Jakarta: PT. Gramedia Pustaka Utama.
Posting Email

Komentar

Posting Komentar

Postingan Populer