makalah kelompok 1 desain dan analisis eksperimen
DESCRIPTION
makalahTRANSCRIPT
MAKALAH
MODEL TETAP, MODEL ACAK, ASUMSI
UNTUK TUGAS MATA KULIAHDESAIN DAN ANALISIS EKSPERIMEN
Dosen Pengampu : Dr. Dhoriva Urwatul Wutsqa
Oleh:
Kelompok 1Kasta Gurning 13708251052Mukminah, S. Pd 13708251054
PROGRAM STUDI PENDIDIKAN SAINSPROGRAM PASCASARJANA
UNIVERSITAS NEGERI YOGYAKARTA2014
BAB I
PENDAHULUAN
Desain dan Analisis Eksperimen digunakan dalam percobaan-percobaan ilmiah yang
disertai dengan pembahasan analisis statistik. Desain dapat diartikan menjadi tiga istilah yaitu
merancang, rancangan dan perancangan. Desain adalah tentang rencana dari apa yang akan
dibuat dan diatur. Dalam Suwanda (2011:1) eksperimen diartikan sebagai suatu uji coba atau
pengamatan khusus yang dibuat untuk membuktikan keadaan yang sebaliknya dari sesuatu
yang meragukan, dibawah kondisi yang telah diatur oleh peneliti.
Tujuan dari desain eksperimen adalah untuk memperoleh atau mengumpulkan
informasi sebanyak–banyaknya yang diperlukan dalam melakukan penyelidikan persoalan
yang akan dibahas (Sudjana, 2002:2). Prinsip dasar dari perancangan percobaan adalah
pengulangan, pengacakan dan pengendalian. Pengulangan adalah suatu perlakukan terhadap
lebih dari satu unit eksperimen. Pengacakan berfungsi untuk menghindari adanya kekeliruan
sistematik, memenuhi asumsi independen antar pengamatan dan menghindari bias.
Pengendalian lingkungan adalah usaha untuk megendalikan keragaman yang muncul akibat
keheterogenan kondisi lingkungan.
Pendugaan untuk melihat ragam atau perbedan dari komponen-komponen sampel
dalam suatu penelitian maka diperlukan suatu analaisis secara kuantitatif yaitu dengan
metode ANOVA. ANOVA merupakan salah satu teknik analisis multivariate yang berfungsi
untuk membedakan rata-rata lebih dari dua kelompok data dengan cara membandingkan
variansinya. Analisis varian termasuk dalam kategori statistik parametrik. Sebagai alat
statistika parametrik, maka untuk dapat menggunakan rumus ANOVA harus terlebih dahulu
perlu dilakukan uji asumsi meliputi normalitas, heterokedastisitas dan random sampling
(Ghozali, 2009).
Pada dasarnya ANOVA dapat dibagi kedalam dua kelompok besar yaitu, single factor
experiment (analisis varians satu arah), dan two factor experiment (analisis varians dua arah)
yang semuanya bergantung pada variable bebas (independent variable).
Dalam desain eksperimen faktorial a x b untuk dua faktor A bertaraf a buah
dan B bertaraf b buah, a x b buah kombinasi perlakuan dan berdasarkan kepada data
hasil respon kombinasi ini, dengan menggunakan ANOVA kita dapat meneliti efek-efek tiap
faktor dan interaksinya. Jika eksperimennya dilakukan secara acak sempurna, maka kita
memiliki model matematis sebagai berikut:
y ijk=μ+τ i+β j ( i)+ϵ (ij ) k {i=1 ,2 ,3 ………aj=1,2,3 …… ….bk=1,2,3 ………n }
Maka dalam makalah ini kami aan membahas rancangan model tetap, model acak
serta asumsi didalam melakukan analisis dengan menggunakan ANOVA.
BAB II
PEMBAHASAN
A. Pengertian Perancangan Eksperimen
Desain eksperimen adalah suatu rancangan percobaan (dengan setiap langkah
tindakan bear-benar terdefensisikan) sedemikian sehingga informasi yang berhubungan
dengan atau diperlukan untuk persoalan yang sedang diteliti dapat dikumpulkan. selain itu
desain eksperimen didefenisikan sebagai suatu pengujian atau serangkaian pengujian yang
bertujuan untuk melakukan perubahan terhadap variabel-variabel input dari proses atau
sistem sehingga dapat meneliti dan mengidentifikasi sebab perubahan dari output.
Rancangan faktori digunakan untuk menyelidiki secara bersama efek beberapa faktor
berlainan. tetapi efek kombinasi dari beberapa faktor disebut rancanagan factorial karena,
hampir semua faktor dikombinasikan atau disilangkan dengan hampir semua taraf tiap factor
lainnya yang ada dalam eksperimen.
Berdasarkan adanya banyak taraf dalam tiap faktor, eksperimen ini sering diberi nama
dengan menambahkan perkalian antara banyak taraf faktor yang satu dengan lainnya. Jika
ada a level dari faktor A dan b level dari faktor B, maka terdapat a b kombinasi perlakuan.
Misal dalam eksperimen terdapat 2 faktor, terdiri atas 4 taraf dan 3 taraf, maka diperoleh
percobaan faktorial 4x3.
Organisasi Data untuk Desain Faktorial 2 Faktor.
1. Model tetap
a level faktor diambil dari faktor diambi dari A faktor yang tetap, b level faktor
diambil dari faktor B yang tetap.
model dari pengamatan ini adalah:
y ijk=μ+τ i+β j+(τβ)ij+ϵ ijk { i=1 ,2 ,… ……aj=1,2 , ………. bk=1,2 , ………n }
ket : μ = rata-rata umum
τ i = efek dari level ke- i dari faktor A
β j = efek dari level ke- j dari faktor B
(τβ)ij = efek dari interaksi antara τ i dan β j
ϵ ijk = komponen random error
Hipotesis:
H 0=τ i=0 (tidak terdapat efek dari faktor A )
H 1=τ i≠ 0
H 0=β j=0( tidak terd apat efek dari faktor B)
H 1=β j≠ 0
H 0=(τβ )ij=0(tidak terdapat efek interaksi)
H 1=(τβ)ij ≠ 0
ANOVA
Sumber
VariasiSum of Squares df Mean Square
Perlakuan ASSA=∑
i=1
a y i …2
bn−
y… .2
abn
a - 1MS A=
SS A
a−1
Perlakuan B SSB=∑
j=1
b y . j .2
an−
y….2
abn
b - 1MSB=
SSB
b−1
Interaksi SSAB=SSSubtotal−SS A−SSB
dengan
SSSubtotal=∑a=1
a
∑j=1
b y ij2
n−
y ….2
abn
(a - 1)(b - 1)MS AB=
SS AB
(a−1)(b−1)
Error SSE=SST−SSAB−SS A−SSB
atau
SSE=SST−SSSubtotal
ab ( n – 1 )MSE=
SSE
ab (n−1 )
TotalSST=∑
a=1
a
∑j=1
b
∑k=1
n
y ijk2 −
y….2
abn
abn - 1
2. Model dari efek random (acak)
a level faktor A dab b level faktor B diambil dari factor yang random.
Model dari pengamatan ini adalah:
y ijk=μ+τ i+β j+(τβ)ij+ϵ ijk { i=1 ,2 ,… ……aj=1,2 , ………. bk=1,2 , ………n }
μ , τ i , β j , (τβ)ij , ϵijk merupakan variabelrandom
Hipotesis:
H 0=δ τ2=0(tidak terdapat efek dari faktor A)
H 1=δτ2≠ 0
H 0=δ β2=0(tidak terdapat efek dari faktor B)
H 1=δ β2 ≠ 0
H 0=δ τβ2 =0(tidak t erdapat efek interaksi)
H 1=δτβ2 ≠0
B. Analisis Varians (ANOVA)
Analisis Varian ( ANOVA ) adalah sebuah metode untuk memeriksa apakah ada
hubungan antara dua atau lebih set data, anda dapat menentukan apakah ada hubungan antara
set data dengan melakukan analisis varians, atau dikenal sebagai ANOVA, analisis varians
kadang-kadang disebut sebagai F-Test setelah statistik british RA Fisher, sebenarnya ada tiga
tipe berbeda ANOVA yang tersedia melalui Analisis Toolpak pada microsoft Excel.
1. Faktor Tunggal / Single Factor – ini melakukan analisis sederhana dari varians
antara dua set data.
2. Dua Faktor tanpa Replika / Two Factor without Replication – ini melakukan
analisis varians antara dua atau lebih set data. Ini harus digunakan bila Anda hanya
memiliki satu sampel dari setiap data.
3. Dua Faktor dengan Replika / Two Factor with Replication – ini melakukan
analisis varians antara dua orang lebih banyak set data. Ini harus digunakan bila Anda
memiliki lebih dari satu sampel dari setiap data.
Ketika analisis varians diterapkan untuk dua kelompok itu memberikan hasil yang sama
sebagai uji-Z atau T-test. Semua tes ANOVA menggunakan distribusi F.
Perhitungan ANOVA dan uji F
Untuk perhitungan ANOVA, nilai SS, MS sama seperti model efek tetap yang
berbeda adalah pengujian F – nya.
untuk hipotesis H 0=τ i=0
F=MSA
MSB
untuk hipotesis H 0=σ β2=0
F=MSB
MSE
untuk hipotesis H 0=σ τβ2 =0
F=MSAB
MSE
Menggunakan Faktor ANOVA Single / Using ANOVA Single Factor dengan
pengolahannya dengan Excel.
Berarti ini membandingkan dua sampel untuk menentukan apakah ada hubungan
antara dua set data. Ini mengasumsikan satu sampling Kita akan melakukan Anova satu
faktor untuk menentukan apakah ada hubungan langsung antara penjaga tiket dengan
banyaknya orang yang membeli tiket/harinya.
Misal Data
penjual tiket banyak pembeli / hari
1 2 3
Budi 2 5 1
Andi 3 4 2
Boy 4 6 2
Rudi 5 4 3
Langkah-langkah untuk melakukan analisis satu faktor dengan menggunakan microsoft
Excel.
1. klik Data pada menu tool bar > Data Analysis
2. pilih ANOVA: Single Factor > ok
3. Input Range - Masukkan data sel untuk range data yang ingin Anda analisis. data harus
terdiri dari dua atau lebih range berdekatan data diatur dalam kolom atau baris.
>Grouped By – Untuk menunjukkan apakah data dalam input range diatur dalam baris
atau kolom, klik Rows atau columns.
>Labels in First Row / Labels in First Column - Jika first Row dari input range Anda
berisi label, pilih kotak centang Label pada forst Row . Jika label in first Row dari input
range anda, pilih kotak centang Label in First Row.Kotak centang ini jelas jika input
range Anda tidak memiliki label;Microsoft Excel label yang sesuai menghasilkan untuk
tabel data output.
>Alpha - Bidang alpha adalah probabilitas bahwa ada hubungan langsung.default adalah
0,05 = 5%. Masukkan tingkat di mana Anda ingin mengevaluasi nilai-nilai kritis untuk
statistik F.Tingkat alpha tingkat signifikansi yang terkait dengan kemungkinan memiliki
tipe yang Error (menolak hipotesis benar).
>New Worksheet Ply – Klik untuk menyisipkan worksheet baru dalam workbook saat
ini dan paste hasil, dimulai pada sel A1 dari New Worksheet. Untuk nama worksheet
yang baru,ketik nama di dalam kotak.
>Output Range – Masukkan acuan bagi sel-kiri atas dari tabel output Excel secara
otomatis menentukan ukuran daerah output dan menampilkan pesan jika tabel output
akan menggantikan data yang ada atau melampaui batas-batas worksheet.
>New Workbook – Klik untuk membuat workbook baru dan paste hasil pada lembar
kerja baru dalam workbook baru.
5. Hasil dari pengolahan data menggunakan excel
Anova: Single Factor
SUMMARY
Groups Count
Su
m
Averag
e
Varian
ce
Budi 3 8
2.6666
67
4.3333
33
Andi 3 9 3 1
Boy 3 12 4 4
Rudi 3 12 4 1
ANOVA
Source of
Variation SS df MS F P-value F crit
Between
Groups 4.25 3
1.4166
67
0.5483
87
0.6631
14
4.0661
81
Within
Groups
20.666
67 8
2.5833
33
Total
24.916
67 11
F – Jika F adalah mendekati 1 maka ada hubungan langsung
T-Test
Sebuah ANOVA (atau F-Test) dan terkait erat dengan T-Test.Perbedaan utama adalah
bahwa T-Test mengukur perbedaan antara data yang berarti dua set mana sebagai tindakan F-
Test perbedaan antara cara dua atau lebih set data. Keuntungan dari menggunakan ANOVA
daripada beberapa T-Test adalah bahwa itu mengurangi kemungkinan kesalahan saya
tipe.Membuat beberapa perbandingan meningkatkan kemungkinan menemukan sesuatu
secara kebetulan (yaitu membuat kesalahan tipe I-). Sebuah ANOVA kontrol kesalahan
keseluruhan dengan menguji semua berarti terhadap satu sama lain sebagai waktu yang sama.
C. Asumsi
Dalam Tes ANOVA didasarkan pada asumsi-asumsi berikut (Vincent, 1999):
1. Data harus parametrik, diukur pada interval atau skala rasio. Untuk data ordinal
menggunakan tes setara non-parametrik (lihat Non-parametrik tes-K sampel independen
dalam Menganalisis menu).
2. Independence. Seharusnya tidak ada hubungan antara nilai variabel dependen dalam
kelompok yang berbeda. Jika nilai terkait (misalnya, kelompok mewakili kondisi yang
berbeda di mana peserta telah berulang kali diukur), pertimbangkan untuk menggunakan
Tindakan berulang uji ANOVA (lihat di bawah).
3. Homogenitas varians. Kelompok-kelompok harus berasal dari populasi yang memiliki
varians sama atau hampir sama dalam skor dari variabel dependen. Gunakan uji Levene
(lihat Pilihan bawah) untuk memeriksa asumsi ini. Anda juga dapat melihat penyebaran
skor dalam kotak plot (tingkat Factor bersama-sama) yang diproduksi dengan Statistik
Deskriptif / Jelajahi pilihan dari Tabel 21 Analyze statistik tes menu 73. Menurut Vincent
(1999), ANOVA relatif kuat untuk pelanggaran asumsi ini asalkan kelompok varians
terbesar tidak lebih dari dua kali lebih besar daripada kelompok varians terkecil.
4. Normalitas. Nilai dari variabel dependen dalam setiap kelompok harus berasal dari
populasi yang terdistribusi normal. Untuk menilai normalitas pada masing-masing
kelompok, menggunakan prosedur yang diuraikan dalam Uji T Independen-Sampel (lihat
di atas). Perhatikan bahwa ANOVA tidak sangat bergantung pada asumsi normalitas.