Tutorial Two Way ANOVA dan Post-Hoc nya untuk Penelitian Eksperimen pada JASP

Saat mengolah data penelitian eksperimen faktorial menggunakan perangkat lunak JASP, peneliti sering kali menghadapi kendala ketika nilai signifikansi pada uji asumsi varians menunjukkan angka di bawah ambang batas. Masalah utama yang paling sering ditemui dalam penerapan Tutorial Two Way ANOVA dan Post-Hoc nya untuk Penelitian Eksperimen pada JASP adalah terlanggar uji sferisitas atau uji homogenitas Levene dengan nilai p-value kurang dari 0,05. Kegagalan memenuhi asumsi homogenitas varians ini membuat statistik uji F standar menjadi tidak valid dan berisiko tinggi memicu kesalahan Tipe I dalam penarikan kesimpulan eksperimen.

Gejala kendala teknis lainnya pada JASP adalah kebingungan peneliti dalam menafsirkan efek interaksi antara dua variabel bebas. Ketika istilah interaksi (Factor A x Factor B) terbukti signifikan, pembacaan efek utama (main effects) secara terpisah menjadi tidak relevan secara metodologis. Banyak peneliti mengalami kesulitan dalam mengonfigurasi pengujian simple main effects dan memilih jenis koreksi uji lanjut (post-hoc) yang tepat—seperti metode Tukey, Scheffe, atau Games-Howell—secara langsung pada antarmuka JASP.

Konsep Teori Two Way ANOVA dan Struktur Faktorial Penelitian

Two Way ANOVA (Analisis Varians Dua Arah) merupakan metode statistik parametrik yang dirancang untuk menguji perbedaan rata-rata antara kelompok yang dibentuk oleh dua variabel independen kategorik (faktor) terhadap satu variabel dependen berskala kontinu (Montgomery, 2017). Dalam desain penelitian eksperimen faktorial, teknik ini memungkinkan peneliti menguji pengaruh mandiri dari masing-masing faktor (main effect) sekaligus interaksi gabungan antara kedua faktor tersebut (interaction effect).

Untuk memahami landasan matematis, rumus partisi jumlah kuadrat (sum of squares), serta asumsi parametrik secara mendalam, Anda dapat mempelajari panduan teoritis mengenai teori dasar Two Way ANOVA di statistikian.com. Penguasaan konsep dasar sangat penting agar interpretasi modul analisis pada JASP dapat dilakukan secara rasional.

Menurut Hair et al. (2019), validitas hasil pengujian Two Way ANOVA bergantung pada pemenuhan beberapa asumsi utama: skala pengukuran kontinu, independensi observasi, normalitas residual multivariate, dan homogenitas varians antar sel perlakuan (homogeneity of variance). Dalam desain eksperimen dengan ukuran sampel per sel yang kecil, asumsi homogenitas varians menjadi sangat krusial karena ketidaksamaan varians dapat mengganggu rasio Mean Square Error (MSE).

Tabachnick dan Fidell (2019) menegaskan bahwa apabila efek interaksi terbukti signifikan secara statistik, pembacaan terhadap efek utama tidak boleh dilakukan secara berdiri sendiri. Keberadaan interaksi mengindikasikan bahwa pengaruh suatu faktor perlakuan bergantung pada tingkatan (level) faktor lainnya. Oleh karena itu, pengujian harus dilanjutkan ke tahap simple main effects guna mengisolasi perbedaan rerata pada setiap kombinasi perlakuan.

Langkah-Langkah Operasional Two Way ANOVA dan Uji Post-Hoc pada JASP

Berikut adalah panduan teknis langkah demi langkah menjalankan analisis Two Way ANOVA beserta penanganan pasca-anova (post-hoc) pada software open-source JASP:

Langkah 1: Pengaturan Struktur Data pada JASP
Format data eksperimen Anda dalam bentuk long format. Buat tiga kolom utama: dua kolom faktor kategorik (misal: Metode_Pembelajaran dan Gender) serta satu kolom variabel terikat kontinu (misal: Skor_Hasil_Belajar). Pastikan tipe variabel pada JASP sudah diatur dengan benar (kategorik sebagai Nominal/Ordinal, terikat sebagai Scale).

Langkah 2: Membuka Modul ANOVA
Pada bilah menu atas JASP, pilih tab ANOVA lalu klik opsi ANOVA. Kotak dialog konfigurasi analisis akan terbuka di sebelah kiri layar.

Langkah 3: Memasukkan Variabel Analisis
Pindahkan variabel terikat ke dalam kotak Dependent Variable. Selanjutnya, pindahkan kedua variabel faktor ke dalam kotak Fixed Factors. JASP secara otomatis menyusun model faktorial lengkap yang mencakup Faktor A, Faktor B, dan interaksi A x B.

Langkah 4: Melakukan Pemeriksaan Asumsi (Assumption Checks)
Buka menu drop-down Assumption Checks. Centang opsi Homogeneity tests untuk menjalankan Uji Levene dan centang Q-Q plot of residuals untuk mengevaluasi asumsi normalitas distribusi galat.

Langkah 5: Penanganan Pelanggaran Asumsi Homogenitas
Jika Uji Levene menghasilkan nilai p-value < 0,05, varians antar sel terbukti heterogen. Dalam kondisi ini, Uji F standar menjadi kurang akurat. Pada JASP, Anda dapat mengaktifkan opsi Welch jika desain bersifat satu arah, atau menerapkan koreksi Post-Hoc robust pada tahap berikutnya (Field, 2018).

Langkah 6: Konfigurasi Uji Lanjut (Post-Hoc Tests)
Buka menu drop-down Post-Hoc Tests. Pindahkan faktor tunggal atau istilah interaksi dari kotak kiri ke kotak kanan. Apabila varians homogen, pilih opsi koreksi Tukey atau Scheffe. Namun, jika varians tidak homogen, centang uji Games-Howell atau gunakan penyesuaian Holm untuk mengontrol familywise error rate.

Langkah 7: Konfigurasi Uji Efek Utama Sederhana (Simple Main Effects)
Jika nilai p-value istilah interaksi A x B pada tabel ANOVA bernilai < 0,05, buka menu Simple Main Effects. Pindahkan faktor perlakuan utama ke kotak Simple Effect Factor dan faktor moderator ke kotak Moderator Factor untuk melihat perbedaan antar perlakuan pada tiap level spesifik.

Langkah 8: Memilih Ukuran Pengaruh (Effect Size)
Pada bagian Additional Options di tabel ANOVA utama, centang opsi ukuran pengaruh seperti Eta-squared (η²), Partial Eta-squared (η²p), atau omega-squared (ω²) untuk mengukur seberapa besar proporsi varians yang dijelaskan oleh perlakuan.

Langkah 9: Menampilkan Plot Deskriptif (Descriptives Plots)
Buka menu Descriptive Plots. Pindahkan Faktor A ke Horizontal Axis dan Faktor B ke Separate Lines. Centang opsi Display error bars (SE atau 95% CI) untuk memvisualisasikan bentuk interaksi ordinal maupun disordinal secara langsung.

Pembahasan Ilmiah: Partisi Varians, Effect Size, dan Robustness Uji Post-Hoc

Secara matematis, Two Way ANOVA membagi total variasi data (SSTotal) menjadi empat komponen utama: Jumlah Kuadrat Faktor A (SSA), Jumlah Kuadrat Faktor B (SSB), Jumlah Kuadrat Interaksi (SSAB), dan Jumlah Kuadrat Eror (SSE). Ketika asumsi homogenitas varians terlanggar (p < 0,05 pada Uji Levene), pembagi estimasi varians galat (MSE) menjadi terbias di antara sel-sel perlakuan, yang pada akhirnya membiaskan statistik F hitung (Maxwell & Delaney, 2004).

Dalam mengestimasi besarnya pengaruh perlakuan eksperimen, pengikutsertaan ukuran pengaruh (effect size) sangat direkomendasikan melebihi sekadar pembacaan nilai p-value. Lakens (2013) menjelaskan bahwa Omega Squared (ω²) memberikan estimasi populasi yang lebih tidak terbias dibandingkan Partial Eta Squared (η²p), terutama pada sampel penelitian eksperimen berskala kecil hingga sedang.

Untuk komparasi berpasangan (pairwise comparison) saat asumsi homogenitas varians tidak terpenuhi, penggunaan Uji Games-Howell secara teoritis lebih valid. Prosedur Games-Howell memanfaatkan kalkulasi derajat kebebasan Welch (Welch's v) dan tidak mengasumsikan varians yang sama antar kelompok, sehingga secara efektif mengendalikan tingkat kesalahan Tipe I tanpa mengorbankan daya uji statistik (Games & Howell, 1976).

Pengujian simple main effects pasca ditemukannya interaksi signifikan bertujuan untuk mengisolasi perbedaan rerata. Keppel dan Zedeck (1989) menyatakan bahwa pengujian efek utama sederhana menganalisis pengaruh Faktor A pada setiap tingkatan Faktor B secara terpisah. Langkah ini memberikan gambaran yang presisi mengenai dinamika perlakuan eksperimen yang tidak dapat terungkap dari pembacaan rerata marginal secara umum.

Penting bagi peneliti untuk membedakan bentuk interaksi antara pola ordinal dan disordinal. Pada interaksi ordinal, garis grafik rerata antar kelompok tidak saling berpotongan, sehingga arah efek utama masih relatif konsisten. Sebaliknya, pada interaksi disordinal (crossover interaction), garis rerata saling berpotongan secara menyilang, sehingga pembacaan efek utama menjadi sepenuhnya menyesatkan jika diinterpretasikan tanpa memperhatikan faktor moderator (Stevens, 2009).

Pelaporan hasil Two Way ANOVA dalam jurnal ilmiah terakreditasi disyaratkan mengikuti standar APA (2020). Laporan penelitian wajib mencantumkan nilai statistik F, derajat kebebasan antar perlakuan dan eror (df_effect, df_error), nilai p-value eksak, ukuran pengaruh (η²p atau ω²), serta interval kepercayaan 95% untuk perbedaan rerata pada uji post-hoc.

Dengan memanfaatkan mesin komputasi C++ berbasis R yang diusung oleh JASP, peneliti memperoleh keuntungan berupa analisis statistik yang dapat direproduksi (reproducible research), transparan, dan terbebas dari biaya lisensi tanpa mengorbankan akurasi komputasi baku standar internasional.

Kesimpulan

Pelaksanaan Two Way ANOVA dan Uji Post-Hoc pada penelitian eksperimen menggunakan JASP menuntut pemahaman metodologis yang cermat. Evaluasi terhadap uji asumsi Levene merupakan fondasi utama sebelum memilih metode post-hoc; gunakan Tukey untuk varians homogen dan Games-Howell atau Holm untuk varians heterogen. Apabila istilah interaksi terbukti signifikan, analisis wajib dilanjutkan ke pengujian simple main effects untuk menghindari kesalahan penarikan kesimpulan dari efek utama. Dengan menerapkan langkah-langkah komputasi dan pelaporan besaran pengaruh (effect size) yang tepat pada JASP, hasil penelitian eksperimen Anda akan memiliki validitas ilmiah yang kokoh.

Daftar Pustaka