CARA DAN HASIL ANALISIS ALGA MERAH

1. Data dari Excel dicopy trus dipindah ke SPSS. Sebelum dipindah diklik dulu data view

Commented [L1]: 1. Data dari Excel dicopy trus dipindah ke

SPSS. Sebelum dipindah diklik dulu data view

2. Data dikasih nama di kolom name (ga boleh pakai spasi); Decimal disesuaikan sama data; Values di
isi untuk metode, alga, sama kondisi. Cara ngisi values nya: klik aja kotak biru yg di values itu, trus
diketik misal values untuk metode value 1 labelnya FMB
3. Measure di isi kaya gambar ini
4. Cara Uji Normalitas
Klik Analyse – Descriptive statistic - Explore

Commented [L2]: Missal masukin FA aja ke dependent list

Commented [L3]: Klik plots trus sesuaikan sama gambar.
Continue . oke

Commented [L4]: Hasil yg keluar, yg dipake yg test of normality

5. Cara Two way anova
Analyse – General Linear model – Univariate – Dependent (Hasil, misal FA, SFA, dst.) – Fixed Factor
(di isi metode, alga, kondisi)

Commented [L5]: Masukin datanya kaya disitu. Trus klik post

hoc
Commented [L6]: Post hocnya masukin kaya data ini, habis itu
continue.
Trus klik Option

Commented [L7]: Klik Option trus dibuat kaya gini. Continue.

Ok.
Hasil Uji Normalitas (FA)
Tests of Normality

Kolmogorov-Smirnov a Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

FA .138 24 .200* .943 24 .193

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Uji Homogenitas (FA)

Levene's Test of Equality of Error Variancesa
Dependent Variable: FA

F df1 df2 Sig.

1.361 7 16 .287

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + metode + alga + kondisi +
metode * alga + metode * kondisi + alga * kondisi
+ metode * alga * kondisi

Hasil Uji Two Way Anova (FA)

Tests of Between-Subjects Effects
Dependent Variable: FA
Source Type III Sum of df Mean Square F Sig.
Squares

Corrected Model 3078.193a 7 439.742 .793 .604

Intercept 24595.844 1 24595.844 44.332 .000
metode 723.692 1 723.692 1.304 .270
alga 357.513 1 357.513 .644 .434
kondisi 188.440 1 188.440 .340 .568
metode * alga 836.266 1 836.266 1.507 .237
metode * kondisi 238.834 1 238.834 .430 .521
alga * kondisi 702.326 1 702.326 1.266 .277
metode * alga * kondisi 31.122 1 31.122 .056 .816
Error 8876.982 16 554.811
Total 36551.019 24
Corrected Total 11955.175 23

a. R Squared = .257 (Adjusted R Squared = -.067)

Cara Transformasi Data

Jika Hasil normalitas sig<0,05 H0 ditolak, maka data tidak berdistribusi normal atau hasil homogenitas
juga sig<0,05 H0 ditolak, maka data tidak bersifat homogeny. Kalau data tidak berdistribusi normal atau
tidak bersifat homogen, berarti datanya tidak bisa dipakai untuk uji ANOVA. Cara, membuat data supaya
bisa digunakan untuk analisis itu di transformasi. Contoh transformasi data:

Hasil uji normalitas data SFA dari hasil Shapiro-Wilk (Karena jumlah data yg ada < 30 data) sig. < 0,05 yang
artinya H0 ditolak, maka data SFA tidak berdistribusi normal. Berarti data SFA harus ditransformasi.

Commented [L8]: Contoh hasil uji normalitas

Commented [L9]: Contoh hasil uji homogenitas

Cara Transformasi Data:

Klik Transform – compute variable – target variable (diisi nama untuk kolom baru, misal trans_SFA) –
Function group (pilih arithmetic) – Functions and special variables (pilih antara Lg10, Ln, Sqrt, kalau pakai itu
ga bisa bisa pilih Cos atau Sin atau lainnya)

Commented [L10]: Kalau ini contoh pakai lg10(SFA)

 Commented [L11]: Ini contoh transformasi lg10(x+6)
Bisa juga pakai sqrt(x+1), ln(x+10) dst dicoba-coba aja mana yg bikin
data normal dan homogen.

Kalau data sudah ditransformasi, data kembali di uji normalitas dan two ways anova. Ingat, data yg
digunakan untuk uji lanjutnya dalah data hasil transformasi. Contohnya gambar di bawah ini pakai
trans_SFA
Hasil Uji Normalitas SFA (transformasi dengan log10)

Tests of Normality

Kolmogorov-Smirnov a Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

trans_SFA .157 24 .132 .936 24 .135

a. Lilliefors Significance Correction

Hasil Uji Homogenitas SFA (transformasi dengan log10)

Levene's Test of Equality of Error Variancesa
Dependent Variable: trans_SFA

F df1 df2 Sig.

1.735 7 16 .171

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + metode + alga + kondisi +
metode * alga + metode * kondisi + alga * kondisi
+ metode * alga * kondisi

Hasil Uji Two ways ANOVA ( data ditransformasi dengan log10)

Tests of Between-Subjects Effects
Dependent Variable: trans_SFA

Source Type III Sum of df Mean Square F Sig.

Squares

Corrected Model 1.670a 7 .239 1.362 .286

Intercept 34.990 1 34.990 199.729 .000
metode .651 1 .651 3.716 .072
alga .006 1 .006 .032 .859
kondisi .056 1 .056 .318 .581
metode * alga .465 1 .465 2.652 .123
metode * kondisi .138 1 .138 .789 .387
alga * kondisi .273 1 .273 1.559 .230
metode * alga * kondisi .082 1 .082 .468 .504
Error 2.803 16 .175
Total 39.463 24
Corrected Total 4.473 23

a. R Squared = .373 (Adjusted R Squared = .099)

Hasil Uji Normalitas UFA (Transformasi dengan log10)
Tests of Normality

Kolmogorov-Smirnov a Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

trans_UFA .171 19 .146 .936 19 .222

a. Lilliefors Significance Correction

Hasil Uji Homogenitas UFA (Transformasi dengan log10)

Levene's Test of Equality of Error Variancesa
Dependent Variable: trans_UFA
F df1 df2 Sig.

2.313 7 11 .103

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + metode + alga + kondisi +
metode * alga + metode * kondisi + alga * kondisi
+ metode * alga * kondisi
Hasil Two Ways Anova (UFA) (Transformasi dengan log10)
Tests of Between-Subjects Effects
Dependent Variable: trans_UFA
Source Type III Sum of df Mean Square F Sig.
Squares

Corrected Model .588a 7 .084 .365 .904

Intercept 13.643 1 13.643 59.255 .000
metode .111 1 .111 .480 .503
alga .084 1 .084 .363 .559
kondisi .052 1 .052 .225 .645
metode * alga .081 1 .081 .353 .565
metode * kondisi .019 1 .019 .081 .782
alga * kondisi .141 1 .141 .611 .451
metode * alga * kondisi .032 1 .032 .137 .718
Error 2.533 11 .230
Total 17.634 19
Corrected Total 3.121 18

a. R Squared = .188 (Adjusted R Squared = -.328)

Data ditransformasi dengan log10(x+6)

Hasil Uji Normalitas MUFA (transformasi log10(x+6))
Tests of Normality

Kolmogorov-Smirnov a Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

trans_MUFA .129 24 .200* .917 24 .051

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Hasil Uji Homogenitas MUFA (transformasi log10(x+6))

Levene's Test of Equality of Error Variancesa

Dependent Variable: trans_MUFA

F df1 df2 Sig.

1.917 7 16 .133

Tests the null hypothesis that the error variance of

the dependent variable is equal across groups.
a. Design: Intercept + metode + alga + kondisi +
metode * alga + metode * kondisi + alga * kondisi
+ metode * alga * kondisi

Hasil Two Way Anova MUFA (transformasi log10(x+6))

Tests of Between-Subjects Effects

Dependent Variable: trans_MUFA

Source Type III Sum of df Mean Square F Sig.

Squares

Corrected Model .140a 7 .020 .263 .960

Intercept 26.637 1 26.637 350.060 .000
metode .011 1 .011 .150 .704
alga .010 1 .010 .132 .721
kondisi .092 1 .092 1.215 .287
metode * alga .018 1 .018 .236 .634
metode * kondisi .006 1 .006 .074 .789
alga * kondisi .001 1 .001 .007 .933
metode * alga * kondisi .002 1 .002 .027 .871
Error 1.217 16 .076
Total 27.995 24
Corrected Total 1.358 23

a. R Squared = .103 (Adjusted R Squared = -.289)

Catatan:
Data yg ditransformasi
 SFA dengan log10 (x)
 UFA dengan log10(x)
 MUFA dengan log10(x+6)

Asumsi yang harus dipenuhi saat Uji ANOVA

 Data berdistribusi normal

 Data bersifat homogen
CARA ONE WAY ANOVA:

Analyse – Compare means – One Way anova – Dependent (Hasil misal FA) – Fixed Factor (Perlakuan misal
dari metode) – Post Hoc (bebas pilih sesuai kebtuhan, kalau aku pakainya Duncan sama lsd) - Continue –
Option (Check list homogeneity) – Continue – OK.
Nanti tampilan hasilnya kaya gini. Di cek yg bagian sig nya. Kalau sig < 0,05 H0 ditolak, H1 diterima berarti
ada beda nyata. Tapi kalau sig > 0,05 H0 diterima maka tidak ada beda nyata.