Berikut adalah rangkuman komprehensif dan terstruktur dari konten video mengenai analisis One-Way ANOVA dan Kruskal-Wallis menggunakan SPSS.

Analisis One-Way ANOVA & Kruskal-Wallis Menggunakan SPSS: Panduan Lengkap dari Uji Asumsi hingga Pelaporan

Inti Sari (Executive Summary)

Video ini memberikan panduan lengkap tentang cara melakukan analisis perbandingan kelompok menggunakan uji One-Way ANOVA (parametrik) dan alternatif non-parametriknya, yaitu Kruskal-Wallis, dengan bantuan perangkat lunak SPSS. Pembahasan mencakup seluruh proses analisis, mulai dari persiapan data, pengujian asumsi (normalitas dan homogenitas), interpretasi hasil, perhitungan effect size, uji lanjut (post-hoc), hingga format pelaporan hasil penelitian yang akurat.

Poin-Poin Kunci (Key Takeaways)

• One-Way ANOVA digunakan untuk membandingkan rata-rata lebih dari dua kelompok yang independen, sedangkan Kruskal-Wallis adalah alternatif jika data tidak berdistribusi normal.
• Asumsi Utama ANOVA: Data harus berdistribusi normal (uji Shapiro-Wilk) dan memiliki varians yang homogen (uji Levene).
• Effect Size (Partial Eta Squared) penting untuk mengukur seberapa besar pengaruh variabel independen terhadap dependen, tidak hanya signifikansi statistiknya.
• Uji Post-Hoc (seperti LSD atau Duncan) diperlukan jika hasil ANOVA signifikan untuk mengetahui kelompok mana yang berbeda secara spesifik.
• Pelaporan: ANOVA dilaporkan dengan Mean & SD, sedangkan Kruskal-Wallis menggunakan Median.

Rincian Materi (Detailed Breakdown)

1. Konsep Dasar dan Asumsi One-Way ANOVA

• Definisi: One-Way ANOVA (Analysis of Variance) atau Anava satu jalur digunakan untuk menganalisis perbedaan rata-rata yang signifikan antara dua atau lebih kelompok yang tidak berhubungan (berbeda dengan T-test yang hanya untuk dua kelompok).
• Karakteristik Data: Memiliki 1 variabel independen (kategorikal, minimal 2 kelompok) dan 1 variabel dependen (skala interval/rasio).
• Asumsi yang Harus Dipenuhi:
  • Variabel dependen berskala interval atau rasio.
  • Observasi independen.
  • Tidak ada outlier yang signifikan.
  • Normalitas: Setiap kelompok harus berdistribusi normal.
  • Homogenitas: Varians antar kelompok harus homogen.
• Effect Size: Menggunakan Partial Eta Squared (berbeda dengan Cohen's d pada T-test) untuk mengetahui seberapa besar efek treatment.
• Uji Lanjut (Post-Hoc): Dilakukan jika hasil ANOVA signifikan dan jumlah kelompok > 2. Tujuannya untuk mengidentifikasi kelompok mana yang berbeda. Pilihan uji bergantung bidang ilmu (misal: LSD di bidang pendidikan, Duncan/Tukey di bidang kedokteran).

2. Persiapan Data dan Uji Asumsi di SPSS

• Input Data:
  • Variable View: Mendefinisikan nilai (Values) untuk kelas (1=Kelas A, dst.) dan mengatur measure (Nominal untuk kelas, Scale untuk hasil belajar/literasi).
  • Data View: Menyalin data dari Excel ke SPSS (Ctrl+C, Ctrl+V) dan menyimpan file.
• Uji Normalitas:
  • Menggunakan menu Data > Split File untuk mengorganisir output berdasarkan kelompok (kelas).
  • Melakukan uji melalui Analyze > Descriptive Statistics > Explore, kemudian mencentang "Normality plots with tests".
  • Menggunakan uji Shapiro-Wilk (lebih disarankan dibanding Kolmogorov-Smirnov). Data dianggap normal jika Sig. > 0.05.
• Uji Homogenitas:
  • Dilakukan bersamaan saat menjalankan ANOVA dengan mencentang "Homogeneity of variance test".

3. Analisis One-Way ANOVA dan Interpretasi

• Jalur Analisis: Analyze > Compare Means > One-Way ANOVA.
• Pengaturan:
  • Masukkan variabel dependen dan independen.
  • Post Hoc: Pilih LSD dan Duncan.
  • Options: Centang "Descriptive" dan "Homogeneity of variance test".
• Interpretasi Output:
  • Homogenitas: Jika nilai Sig. Levene > 0.05, varians dianggap homogen.
  • ANOVA: Jika nilai Sig. < 0.05, ada perbedaan signifikan antar kelompok.
• Interpretasi Post-Hoc (LSD):
  • Dibuat tabel manual di Excel berisi Kolom, Rerata, dan Notasi.
  • Data diurutkan dari rerata terkecil ke terbesar.
  • Logika Notasi: Jika Sig. perbandingan antar kelompok < 0.05 (berbeda signifikan), notasi harus berbeda (misal a ke b). Jika Sig. > 0.05, notasi sama.
• Interpretasi Post-Hoc (Duncan):
  • Lebih mudah dibaca menggunakan tabel "Homogenous Subsets" dari output SPSS.
  • Kelompok dalam satu subset memiliki notasi yang sama.

4. Menghitung Effect Size (Partial Eta Squared)

• Tujuan: Mengetahui seberapa besar pengaruh variabel independen.
• Langkah:
  • Buka Analyze > Compare Means > Means.
  • Masukkan variabel dependen dan independen.
  • Klik Options, lalu centang "Anova table and eta".
• Output: Nilai Eta Squared yang didapat menunjukkan besaran efek.

5. Alternatif Metode ANOVA (Univariate)

• Metode: Analyze > General Linear Model > Univariate.
• Kelebihan: Dapat menghasilkan tabel ANOVA, Effect Size (Partial Eta Squared), dan hasil Post-Hoc secara bersamaan dalam satu proses.
• Perbedaan Versi SPSS: Pada versi SPSS terbaru, menu untuk Compare Main Effects terpisah di EM Means, sedangkan statistik deskriptif dan homogenitas ada di Options.
• Output ANOVA: Melihat baris "kelas" (variabel independen) untuk nilai F dan Sig., bukan "Between Groups" seperti metode One-Way biasa.

6. Analisis Non-Parametrik (Kruskal-Wallis)

• Penggunaan: Ketika data tidak memenuhi asumsi normalitas (contoh: data literasi sains yang tidak normal).
• Statistik Deskriptif: Menggunakan Median (bukan Mean). Median dihitung per kelompok menggunakan Frequencies setelah Split File diaktifkan.
• Langkah Uji:
  • Analyze > Nonparametric Tests > Legacy Dialogs > K Independent Samples.
  • Pindahkan variabel ke "Test Variable List" dan "Grouping Variable".
  • Pilih "Kruskal-Wallis H" dan Multiple Comparisons (All pairwise).
• Interpretasi Output:
  • Lihat tabel "Hypothesis Test Summary". Klik dua kali untuk melihat detail (Nilai H, df, Sig.).
  • Jika Sig. < 0.05, ada perbedaan signifikan.
• Post-Hoc Kruskal-Wallis:
  • Lihat tabel "Pairwise Comparisons" pada jendela Model Viewer.
  • Per