tugas 2 anava
TRANSCRIPT
TUGAS
PERANCANGAN EKSPERIMEN
Disusun oleh ;
Mokhamad Sarifudin (07.02.5321)
Yayan Subayo (07.02.5336)
M.Randi.A (07.02.5 )
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT SAINS & TEKNOLOGI “AKPRIND”
YOGYAKARTA
2010
PENDAHULUAN
Analisis varians (analysis of variance, ANOVA) adalah suatu metode
analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam
literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis
ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari
masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan
keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher,
bapak statistika modern. Dalam praktek, analisis varians dapat merupakan uji
hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di
bidang genetika terapan).
Secara umum, analisis varians menguji dua varians (atau ragam)
berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah
varians antarcontoh (among samples) dan varians kedua adalah varians di dalam
masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians
dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua
rerata (mean).
Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians
menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan
percobaan:
1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-
Snedecor
2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas,
karena hanya digunakan satu penduga (estimate) untuk varians dalam
contoh
3. Masing-masing contoh saling independen, yang harus dapat diatur dengan
perancangan percobaan yang tepat
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan
untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga
masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya
sangat luas di berbagai bidang, mulai dari eksperimenlaboratorium hingga
eksperimen periklanan, psikologi, dan kemasyarakatan
Sumber: http://id.wikipedia.org/wiki/ANOVA
TINJAUAN PUSTAKA
ANALISIS VARIANSI SATU ARAH(One Way ANOVA)
Analisis variansi adalah suatu prosedur untuk uji perbedaan mean
beberapa populasi.
Konsep analisis variansi didasarkan pada konsep distribusi F dan biasanya
dapat diaplikasikan untuk berbagai macam kasus maupun dalam analisis
hubungan antara berbagai varabel yang diamati. Dalam perhitungan statistik,
analisis variansi sangat dipengaruhi asumsi-asumsi yang digunakan seperti
kenormalan dari distribusi, homogenitas variansi dan kebebasan dari kesalahan
Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik
data setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa
variansi dalam masing-masing kelompok dianggap sama. Sedangkan asumsi
bebas menjelaskan bahwa variansi masing-masing terhadap rata-ratanya pada
setiap kelompok bersifat saling bebas.
Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi (lebih dari dua).
Hipotesis ANOVA satu arah
H0 : μ1= μ 2 = μ 3 = … = μ k Seluruh mean populasi adalah sama Tidak ada efek treatment ( tidak ada keragaman mean dalam grup )
H1 : tidak seluruhnya mean populasi adalah sama Terdapat sebuah efek treatment Tidak seluruhmean populasi berbeda ( beberapa pasang mungkin sama )
Partisi VariansiVariansi total dapat dibagi menjadi 2 bagian :
SST = SSG + SSWSST = Total sum of squares (jumlah kuadrat total ) yaitu penyebaran.
agregat nilai data individu melalui beberapa level vaktor
SSG/SSB = Sum of squares between-grup ( jumlah kuadrat antara ) yaitu
penyebaran diantara mean sampel factor .
SSW/SSE = Sum of squares within-grup ( jumlah kuadrat dalam ) yaitu
penyebaran yang terdapat diantara nilai data dalam sebuah level
factor tertentu
Rumus jumlah kuadarat total ( total sum of squares )
SST = SSG + SSW
SST=∑i=1
k
❑∑j−1
¿
¿¿¿
Dimana
SST = total sum of squares ( jumlah kadarat total )
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Variansi total
sst=( x11−x)2+(x12−x)2+… (xk nk−x)❑
Rumus untuk mencari variasi jumlah kuadrat dalam
SSW=∑i=1
k
❑∑j−1
¿
¿¿¿
Keterangan :
SSW/SSE = jumlah kuadrat dalam.
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Rumus untuk mencari varisi diantara grup
SSG=∑i=1
k
❑¿(x i−x)2
Keterangan :
SSB/SSG = jumlah kuadrat diantara
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Rumus variasi dalam kelompok
MSW= SSWN−K
MSW = Rata-rata variasi dalam kelompok
SSW = jumlah kuadrat dalam
N-K = derajat bebas dari SSW
rumus variasi diantara kelompok
MSG= SSGK−1
MSW/SSW = Rata-rata variasi diantara kelompok
SSG = jumlah kuadrat antara
k-1 = derajat bebas SSG
Tabel anova satu arah (one-way anova)
SourceOf varian
SS df Mean square Fratio
Between/grup SSB/SSG k-1MSB= SSG
K−1F= MSG
MSW
Withtin/error SSW/SSE n-kMSW= SSW
N−1
total SST n-1
Sumber : Modul Praktikum Statistikaii Program Studi Statistika Fakultas Matematika
Dan Ilmu Pengetahuan Alam Universitas Gadjah Mada 2007.
ANOVA DUA ARAH
Tujuan dan pelaksanaan praktikum ANOVA 2 arah, yakni :
1. Untuk mengetahui dan memahami uji statistik dengan menggunakan ANOVA, terutama ANOVA 2 arah,
2. Untuk mengetahui persoalan dan masalah-masalah yang berkaitan dengan uji ANOVA 2 arah dalam kehidupan sehari-hari.
3. Agar dapat menyelesaikan persoalan uji ANOVA 2 arah dan menarik kesimpulan yang sesuai dengan persoalan yang diujikan.
A. Teori
Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan istilah ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata secara sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F karena dipakai untuk pengujian lebih dari 2 sampel.
Anova dapat digolongkan kedalam beberapa kritenia, yaitu :
1. Klasifikasi 1 arah
ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1 kriteria.
2. Klasifikasi 2 arah
ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2 kriteria.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak kriteria.
Pada pembahasan. kali ini, dititikberatkan pada pengujian ANOVA 2 arah yaitu pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap kriteria dalam pengujian ANOVA mempunyal level.
Contoh :
Kriteria dan Level
Asumsi pengujian ANOVA:
1. Populasi yang akan diuji berdistribusi normal
2. Varians/ragam dan populasi yang diuji sama
3. Sampel tidak berhubungan satu dengan yang lain
Tujuan dan pengujian ANOVA 2 arah ini adalah untuk mengetahui apakah
ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan.
Misal, seorang manajer teknik menguji apakah ada pengaruh antara jenis pelumas
yang dipergunakan pada roda pendorong dengan kecepatan roda pendorong
terhadap hasil penganyaman sebuah karung plastik pada mesin circular.
Dalam pengujian ANOVA ini, dipergunakan rumus hitung sebagai
berikut: Tabel 5.1 Analisis Ragam Klasifikasi Dua Arah
Sumber
Keragaman
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat
TengahF hitung
Nilai tengah
barisJKB r – 1
s12 =
JKBr−1 f 1=
s12
s3
2
Nilai tengah
kolomJKK k – 1
s22 =
JKKc−1
f 2=s
12
s3
2
Galat
(Error) JKG (r – 1) (c – 1)
s32 =
JKG(r−1) (c−1 )
Total JKT rc – 1
Sumber: Walpole, Ronald E. (1995)
Dimana:
Dimana :
JKT=∑i=1
r
∑j=1
c
xij2−
T 2 ..rc JKG = JKT – JKB - JKK
JKB=∑i=1
r
T i2
c−T ..2
rc
JKK=∑j=1
c
T . j2
r−T . .2
rc
Anova dua jalur mempertimbangkan 2 faktor yang mengakibatkan terjadinya
penyimpangan (dispersi) dan nilai-nilai yang dihitung dengan standar deviasi atau
varians. Apabila para peneliti inign menguji efektivitas keberdaaan dua buah
factor, yang masing-masing faktornya terbagi atas beberapa kategori, peneliti
dapat,menggunakan
Sumber : modul praktikum STATISTIKA 2 jurusan Teknik Industri Fakultas Teknologi
Industri Universitas Gunadarma.
PERBANDINGAN ANOVA SATU ARAH DENGAN ANOVA DUA ARAH
Sebenarnya analisis ANOVA satu arah dapat dipakai untuk menghadapi
kasus variabel bebas lebih dari satu. Hanya saja analisisnya dilakukan satu per
satu, sehingga akan menghadapi banyak kasus ( N semakin banyak ).
Dengan melakukan Anova dua arah akan dihindari pula pula terjadinya noise
(suatu kemungkinan yantg menyatakan terdapat suatu efek karena bercampurnya
suatu analisis data). Noise ini dapat dihindari pada ANOVA dua arah karena
analis disini melibatkan kontor terhadap perbedaan(katagorikal) variabel bebas.
Interaksi suatu kebersamaanantar fektor dalam mempengaruhi variabel bebas,
dengan sendirinyapengaruh faktor-faktor secara mandiri telah dihilangkan. Jika
terdapat interaksi berarti efek faktor satu terhadap variabel terikatakan
mempunyai garis yang tidak sejajar dengan efek faktor lain terhadap variabel
terikatsejajar (saling berpotongan), maka antara faktor tidak mempunyai interaksi.
Anova dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel
terikat yang dikategorikan berdasarkan variasi bebas yang banyak dan masing-
masing variabel terdiri dari beberapa kelompok. Anova dua arah merupakan
penyempurnaan Anova satu arah.Anova dua arah lebih efisien daripada anovasatu
arah, karena:
kasus yang dihadapi lebih sedikit yaitu sejumlah sampel
. noise dapat dihilangkan.
• dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi
variabel terikat.
Sumber :http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html
REGRESI LINIER BERGANDA(Multiple Regression)
Analisis regresi adalah suatu analisis statistik yang memanfaatkan
hubungan antara dua variable atau lebih yaitu variable Y ( variabel dependen atau
respons) pada beberapa variabel lain X1,X 2 , ,X k , ( variabel independent atau
predictor ).
Dalam bagian ini akan dijelaskan secara singkat bagaimana garis regresi
dapat ditentukan dan yang akan ditinjau yaitu garis regresi variable dependent (Y)
atas variable-variabel independent (Xi) yang paling sederhana, dan selanjutnya
disebt regresi linier berganda. Persamaan umum untuk regresi linier berganda
yaitu:
Y= β0+ β1 X1+ β2 X2+…+ βK XK+ ε
Dengan:
b konstan
b ...b k = 1 koefisien populasi variable independent
e = Random error
Koefisien-koefisien dari persamaan regresi berganda selanjutnya
diestimasi dengan menggunakan sampel-sampel, yang prosesenya serupa dengan
regresi linier sederhana yaitu dengan meminimalkan nilai error, sehingga
diperoleh persamaan regresi:
yˆ = bo + b1 x1i + b2 x2i + ….+ bk xki
Dengan:
b0 = nilai estimasi untuk konstan
b1 ….bk = nilai estimasi untuk koefisien variable independent
Seperti halnya regersi linier sederhana, maka untuk regresi linier berganda,
terlebih dahulu perlu diuji apakah regresi linier ganda yang diperoleh
berdasarakan data sampel berugna atau tidak. Untuk itu dilakukan uji hipotesis nol
bahwa model regresi tidak layak dipakai melawan hipotesis alternative yaitu
model regresi layak dipakai. Uji yang digunakan adalah uji menggunakan statistic
F berbentuk:
F= MSR
Se2
= SSR/ KSSE /(n K 1)
Dengan k adalah jumlah variable yang diikutsertakan dala persaman
regresi. Dalam uji hipotesis, digunakan daerah kritis:
Ho ditolak jika F > Fk,n-k-1,α
Selanjutnya, jika odel regresi yang diperoleh layak digunakan akan
dilakukan lagi uji terhadap koefisien-koefisien regresi secara terpisah untuk
mengetahui apakah koefisien tersebut layak dipakai dalam persamaan atau tidak,
dengan :
Hipotesis
H0 : βj = 0
H1 : βj ≠ 0
Statistik Uji
t=b j−0
sbj
(df =n – k – 1)
Koefisien Determinasi Ganda
Koefisien determinasi adalah nilai yang menunjukkan seberapa besar nilai
variable Y dijelaskan oleh variable X.
R2=SSRSST
Nilai R2 yang mendekati 0 (nol) menunjukkan bahwa data sangat tidak
cocok dengan model regresi yang ada dan sebaliknya, jika nilai R2 mendekati 1
(satu) menunjukkan bahwa data cocok terhadap model regresi.
REVIEW
Analisis variansi
Rancangan dengan 1 faktor – perlakuan = tingkat factor
Rancangan dengan >1 faktor – perlakuan = kombinasi dari tk factor
1 faktor
VarietasV1 V2 V3Y11 Y21 Y31Y12 Y22 Y33. . .. . .. . .Y1n1 Y2n2 Y3n3
Efek dari factor ; perubahan hasil/ respon karena berubahnya tingkat-tingkat
factor
2 faktor
V1 V2P1 p1 v1 p1 v2P2 p2 v1 p2 v2P3 p3 v1 p3 v2
V1 V2P1 y111 y121
y112 122y11n y12n
V1 V2P2 y211 y221
212 y222y21n y22n
V1 V2P3 y331 y321
y322 y322y31n y32n
Interakasi dari 2 faktor ; perubahan respon karena perubahan dari tingkat-tingkat
faktor kedua faktor tersebut
Rancangan dengan 1 faktor
1 2 3 ….. k
observasi
y11 y21 y31 …. yk
y12 y22 y32 ….. yk2
….
y1n1 y2n2 y3n3 yknk
Jumlah
total
K= kolom, ni= baris n= jumlah observasi
Analisis variansi
Jumlah kuadrat (jk) total =
∑i=1
k
∑j=1
¿
Yij2−Y …2
N
Jkp
∑i=1
kYi ..2
¿ −Y ..2
N
JKS= jk- jkp
Table anava
Sumber variansi d.k Jk Kr fPerlakuan k-1 jkp
Krp = jkp
k−1 F*=krpkrs
Sesatan N-k jksKrs =
jksN−k
Total N-1 jkHo ditolak jika F* > F (α ; k-1; N-k)
PERBANDINGAN GANDA
Jika dalam analisis variansi ho ditolak , berarti terdapat perbedaan mean
perlakuan. Untuk mengetahi mean-mean mana saja yang berbeda maka dilakukan
perbandingan ganda antara lain dengan metode newton keuls.
Langkah-langkah nya adalah
Mula-mula mean tersebut diurutkan dari yang terkecil sampai yang terbesar
Diuji terlebih dahulu mean terbesar dangan yang terkecil , yang terbesar
dengan yang terbesar kedua , dan seterusnya
µ1, µ2, µ3, µ4, µ5
diurutkan
µ1≤ µ2≤ µ3≤ µ4≤ µ5
Ho: µ5= µ1 p=5
H1: µ5 ≠ µ1
Hipotesis
Ho: µ5 = µ1
H0: µ5 = µ2
.
.
.H0: µ2= µ1
Statistik uji
g = yi− yj
SE
SE√ KRS2
( 1¿ + 1
nj) ; (ni≠nj)
SE√ KRSn
(ni = nj)
Perbandingan ganda
Ho ditolak jika g > g (f, p, α )
↓
Table distr ‘STUDENZED RANGE)
PEMBAHASAN
Anava satu arah
1. J. R. Reed ingin mengetahui apakah rata-rata jumlah jam kerja per minggu
para manajer sama pada tiga perusahaan yang ada (Buffalo, Pittsburgh, and
Detroit). Sampel acak sederhana yang terdiri dari 5 orang manajer pada
masing-masing perusahaan diambil dan jumlah jam kerja minggu yang lalu
masing-masing manajer tersebut dicatat. Hasilnya seperti berikut.
Dengan α 5%
ObservasiPrshn 1
Buffalo
Prshn 2
Pittsburgh
Prshn 3
Detroit
1 48 73 512 54 63 63
3 57 66 61
4 54 64 54
5 62 74 56
Total 275 340 285
Rata-rata 55 68 57
Ho: rata-rata jumlah jam kerja perminggu para manajer tidak sama dari
perusahaan (Buffalo, Pittsburgh, and Detroit)
H1:ada perbedaan yang signifikan rata-rata jumlah jam kerja perminggu para
manajer dari perusahaan (Buffalo, Pittsburgh, and Detroit).
Yi= 275 340 285 →Y…= 900 k= 3 N= 15
Y I : 55 68 57 → Y ..= 60 ni=5
JK= ( 2304+ 2916+ 3249+ 2916+ 3844+ 5329+ 3969+
4356+ 4096+ 5476+ 2601+ 3969+ 3721+ 2916+ 3136 ) –
(900)2
15
= 54798- 54000
= 798
JKP = (2752 )+(3402)+( 2852 )
5 - (900)2
15
= 54490 – 54000
= 490
JKS =JK-JKP = 798- 490
=308
TABEL ANAVA
Sumber
variansi
d.k Jk Kr f
Perlakuan 3-1 = 2 490 245 9.55
Sesatan 15-3 = 12 308 25.66
Total 15-1 = 14 1097
Hipotesis :
Ho= µ1= µ2=µ3
H1 = tidak semua µ1 sama i.1,2,3
Tingkat signifikan α = 5%
F(α ; k-1 ; N-k) = f (0.05 ; 2 ;15) = 3.89
Kesimpulan
Karena F = 9,55 > F0,05;2;12 = 3,89, maka H0 ditolak. Rata-rata jumlah jam
kerja para manajer perminggu pada tiga perusahaan (Buffalo, Pittsburgh, and
Detroit) tidak sama
Perbandingan ganda
μ 1=55μ 2=68μ 3=57|55 < 57 < 68
µ1 µ2 µ3
krs = 25.66
n= 5 k= 3 N=15
SE= √ 25.665
= 2.26 α= 0.05 F= 15-3= 12
Perbandingan Yi-yj SE G P G(12; p ;0.05)
µ3 vs µ1 68-55=13 2.26 5.75 3 3.77 Ho ditolak
µ3 vs µ2 68-57=11 2.26 4.87 2 3.08 Ho ditolak
µ2 vs µ1 57-55=2 2.26 0.88 2 3.08 Ho diterima*
Kesimpulan µ1= µ2≠ µ3
atau µ1= µ2 < µ3
2. Terdapat 4 metode diet, berikut adalah data 10 orang sampel yang didata rata-
rata penurunan berat badan, setelah sebulan melakukan diet
Penurunan berat badan (Kg)Metode-1 Metode-2 Metode-3 Metode-4
member#1 4 8 7 6member#2 6 12 3 5member#3 4 5Total 14 20 10 16Y 4I 4.66 10 5 5.33
Apakah keempat metode diet tersebut memberikan rata-rata penurunan
berat badan yang sama? Uji pendapat tersebut dengan taraf nyata 5 %
Solusi :
.H0 : Setiap metode memberikan rata-rata penurunan berat badan yang sama
H1 : ada perbedaan yang signifikan setiap metode terhadap hasil penurunana berat
badan
Yi= 14 20 10 16 →Y…=60 k= 4 N= 10
Y I : 4.66 10 3.33 5.33 → Y =6.25 n1=3, n2=2 ,n3=2, n4=3
JK = 16+ 36+ 16+ 64+ 144+ 49+ 9+ 36+ 25+ 25 - ¿¿
= 420- 360
= 60
Jkp =( 142
3+ 202
2+ 102
2+ 162
3) - ¿¿
= 40.66
Jks= jk-jkp= 60-40.66
= 19.34
Table anava
Sumber
variansi
d.k Jk Kr f
Perlakuan 4-1 = 3 40.66 13.55 4.19
Sesatan 10-4 = 6 19.34 3.23
Total 10-1 = 9 60
Tingkat signifikansi α= 5 %
F= (0.05 ; 3 ; 6)= 4.76
F*= 4.19 < fα = 4.76
Ho = diterima
H1 = di tolak
Kesimpulan = Setiap metode memberikan rata-rata penurunan berat badan yang
sama
SUMBER : http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html
3. Dari 5 tablet sakit kepala yang diberikan kepada 25 orang dicatat berapa lama
tablet-tablet itu dapat mengurangi rasa sakit. Ke-25 orang itu dibagi secara
acak ke dalam 5 grup dan masing-masing grup diberi satu jenis tablet. =
0.05
Lamanya Hilang Rasa Sakit
TabletA B C D E5 9 3 2 74 7 5 3 68 8 2 4 96 6 3 1 45 9 7 4 7
Total
Rata-rata
28
5.6
39
7.8
20
4
14
2.8
33
6.6
134
5.36H0 = Dari kelima tablet sakit kepala itu mengurangi rasa sakit yang sama
H1 = ada perbedaan yang signifikan dari kelima tablet sakit kepala tersebut untuk
mengurangi rasa sakit kepala
Yi= 28 39 20 14 33 →Y…=134k= 5 N= 25
Y I : 5.6 7.8 4 2.8 6.6→ Y = 5.36 n= 5
JK=52+42+. ..+72−1342
25JK=850−718 , 24=131, 76
JKP=282+393+. ..+333
5−1342
25JKP = 798 - 718,24 = 79,76JKS = 131,76 - 79,76= 52
Hasilnya dan perhitungan lainnya :Analisis Ragam bagi Data Klasifikasi Satu Arah
Sumber
variansi
d.k Jk KrF hitung
Perlakuan 4 79,76 19,947,67
Sesatan 20 52 2,6
Total 24 131,76
Tingkat signifikansi α= 5 %
F= (0.05 ; 4 ; 20)= 2.87
F*= 7.67 > fα = 2.87
Ho = di tolak
H1 = diterima
Kesimpulan = ada perbedaan yang signifikan dari kelima tablet sakit kepala
tersebut untuk mengurangi rasa sakit kepala
Perbandingan Ganda
µ1=5.6µ2=7.8µ3=4
µ 4=2.8µ5=6.6
}2.8 4 5.6 6.6 7.8µ1 µ2 µ3 µ4 µ5
KRS = 2.6 k= 5 n=5 N= 25
SE: √ 2.65
=0.72 α:0.05 F: 25-5= 20
Perbandingan Yi-yj SE g P g (20; p ;0.05)
µ5 vs µ1 7.8- 2.8=5 0.7
2
6.94 5 4.24 Ho ditolak
µ5 vs µ2 7.8- 4=3.8 0.7
2
5.27 4 3.96 Ho ditolak
µ5 vs µ3 7.8-
5.6=2.2
0.7
2
3.05 3 3.58 Ho ditolak
µ5 vs µ4 7.8-
6.6=1.2
0.7
2
1.6 2 2.95 Ho
diterima*
µ4 vs µ1 6.6-
2.8=3.8
0.7
2
5.27 4 3.96 Ho ditolak
µ4 vs µ2 6.6- 4=2.6 0.7
2
3.6 3 3.58 Ho ditolak
µ4 vs µ3 6.6- 5.6=1 0.7
2
1.38 2 2.95 Ho
diterima*
µ3 vs µ1 5.6-
2.8=2.8
0.7
2
3.88 3 3.58 Ho ditolak
µ3 vs µ2 5.6- 4=1.6 0.7
2
2.22 2 2.95 Ho ditolak
µ2 vs µ1 4- 2.8=1.2 0.7
2
1.66 2 2.95 Ho
diterima*
Kesimpulan µ1= µ2 ≠ µ3 = µ4= µ5
µ1= µ2 < µ3= µ4= µ5
Sumber : modul praktikum STATISTIKA 2 jurusan Teknik Industri Fakultas Teknologi
Industri Universitas Gunadarma.
4. Toko Appliance mempertimbangkan tiga orang tenaga pemasaran yang akan
menggantikan manajer pemasaran yang telah pension.
• Catatan bulan ketiga pemasaran tersebut dijadikan pertimbangan untuk
memilih salah satu diantaranya.
• Data penjualan bulanan dari ketiga tenaga pemasaran tersebut adalah sebagai
berikut: dengan tingkat signifikansi α= 5 %
Penjualan
Nn. Mapes Tn. Sonnar Tn. Mafee
Jan 15 15 19
Feb 10 10 12
Mart 9 12 16
April 5 11 16
mei 16 12 17
total 55 60 80
Rata-rata 11 12 16
Ho= tidak ada perbedaan dari ketiga tenaga pemasaran tersebut
H1= ada perbedaan yang signifikan antara ketiga tenaga pemasaran tesebut.
Yi= 55 60 80 →Y…= 195 k= 3 N= 15
Y I : 11 12 16 → Y ..= 13 ni=5
JK= 225+ 100+ 81+ 25+ 256+ 225+ 100+ 144+ 121+ 144+ 361+ 144+ 256+
256+ 289 - ¿¿
= 2727-2535
= 192
Jkp= 3025+3600+6400
5 - ¿¿
= 2605- 2535
=70
Tabel anava
Sumber
variansi
d.k Jk Kr f
Perlakuan 3-1= 2 90 35 3.44
Sesatan 15-3= 12 122 10.16
total 15-1=14 192
Hipotesisi
Ho= µ1= µ2= µ3
H1= tidak semua µ1 sama
Tingkat signifikansi α= 5%
F (0.05;4;20) = 3.89
F*= 3.44<3.89
Ho di terima ( tidak ada perbedaan dari ketiga tenaga pemasaran tersebut)
Sumber: http://eprints.undip.ac.id/6795/1/Analysis_of_Variance.pdf
ANAVA DUA ARAH
1. Data berikut ini adalah nilai akhir yang dicapai oleh 4 mahasiswa dalam mata
kuliah kalkulus, manajemen, fisika, dan agama.
Daftar Nilai Akhir Mahasiswa
Mhs Mata Kuliah Total
Kalkulus Ekonomi Fisika Agama
1 68 94 91 86 339
2 83 81 77 87 328
3 72 73 73 66 284
4 55 68 63 61 247
Total 278 316 304 300 1198
Lakukan analisis ragam, dan gunakan taraf nyata 0.05 untuk menguji
hipotesis bahwa :
a. Keempat mata kuliah itu mempunyai tingkat kesulitan yang sama!
b. Keempat mahasiswa itu mempunyai kemampuan yang sama!
Penyelesaian :
1. H0’ = Keempat mata kuliah itu mempunyal tingkat kesulitan yang
sama
H0” = Keempat mahasiswa itu mempunyai kemampuan yang sama
2. H1’ = sekurang-kurangnya satu tidak sama
H1” = sekurang-kurangnya satu tidak sama
3. = 0.05
4. Wilayah kritik = f1 : 3.86, dan f2 : 3.86
5. Perhitungan:
JKT=682+833+. ..+612−11982
16JKT=1921 . 75
JKB=3392+3282+2842+2472
4−11982
16JKB=1342 .25
JKK=2782+3162+3042+3002
4−11982
16JKK=188 .75JKG=1921. 75−1342 . 25−188 . 75=390 . 75
Hasilnya dan perhitungan lainnya
Analisis Ragam bagi Data Klasifikasi Dua Arah
Sumber
Keragaman
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat
TengahF hitung
Nilai tengah
baris1342.25 3 447.42 f1 = 10.3
Nilai tengah
kolom188.75 3 62.92
f2 = 1.45Galat
(Error)390.75 9 43.42
Total 1921.75 15
6. Keputusan :
a. Tolak H0’, dan simpulkan bahwa keempat mata kuliah mempunyai
kesulitan yang tidak sama.
b. Terima H0”, dan simpulkan bahwa keempat mahasiswa itu
mempunyai kemampuan yang sama.
Sumber : Modul Praktikum STATISTIKA 2 jurusan Teknik Industri Fakultas Teknologi
Industri Universitas Gunadarma
2. Seorang guru matematika ingin mengetahui efektivitas pemberian latihan soal
dengan menggunakan perangkat dan buku paket terhadap dua kelompok
siswa, yaitu dengan pengujian efektivitasnya berdasarkan hasil/skor latihan
yang telah dibuat untuk siswa. Untuk kepentingan penelitiannya guru
mengambil/memilih masing-masing 10 pandai untuk diberi dua perlakuan
yang berbeda dan 10 siswa yang kurang pandai untuk keperluan berbeda pula
Hasil penelitiannya ditunjukkan oleh data berikut ini:
LKS Buku Paket
Siswa Pandai Siswa Lemah Siswa Pandai Siswa Lemah
Nama Skor Nama Skor Nama Skor Nama Skor
A1 82 B1 45 C1 63 D1 40
A2 82 B2 50 C2 63 D2 50
A3 73 B3 60 C3 63 D3 60
A4 73 B4 50 C4 55 D4 50
A5 82 B5 45 C5 65 D5 42
A6 60 B6 50 C6 73 D6 53
A7 60 B7 45 C7 55 D7 43
A8 73 B8 60 C8 55 D8 62
A9 85 B9 45 C9 65 D9 35
A10 75 B10 60 C10 55 D10 50
Mengetes Homogenitas Dua Varians
Homogenitas LKS dan Buku Paket
1. Varians semua skor LKS = 14.242= 203.04
Varians semua skor Buku Paket = 9,752 = 95.08
F=203.04=2.14 Jadi, Fhitung = 2.14
95.08
2. Menentukan derajat kebebasan:
db = n -1 dbLKS = 20-1 =19 = db1
dbBuku Paket = 20 -1= 19 = db2
3. Menentukan Ftabel
Ftabel = F(a)(db1)(db2) = F(0.01)(19/19)=
Dengan interpolasi
F(0.01)(16/19) = 3.12 )
( F(0.01)(19/19) = 3.12-3 ( 0.12) = 3.03
F(0.01)(20/19) = 3.00 ) 4
Jadi Ftabel = 3.03
4. Kriteria Homogenitas
Karena Fhitung > Ftabel, varians perlakuan LKS dan Buku Paket Homogen.
Homogenitas Skor Siswa Pandai dan Lemah
1. Varians semua skor siswa pandai = 10.052 = 101.19
2. Varians semua skor siswa lemah = 7.572 = 57.36
Dengan cara seperti di atas diketahui Fhitung < Ftabel maka kedua varians juga
homogen.
Homogenitas pasangan LKS – Siswa Pandai, LKS-Siswa Lemah, Buku Paket-
Siswa Pandai, Buku Paket- Siswa Lemah.
LKS – Siswa Pandai : 82, 82, 73, 73, 82, 60, 60, 73, 85 , 75 (1)
LKS – Siswa Lemah : 45, 50 , 60, 50, 45, 50, 45, 60, 45, 60 (2)
B. Paket – Siswa Pandai : 63, 63, 63, 55, 65, 73, 55, 55, 65, 55 (3)
B. Paket – Siswa Lemah : 40, 50, 60, 50, 42, 53, 43, 62, 35, 50 (4)
1. Varians –varians:
V1 = 78.5
V2 = 43.3
V3 = 36.8
V4 = 74.3
2. Varians Gabungan :
Vgab = (9x78.5) + (9x43.3) + ( 9x36.8) + ( 9x74.3)
9+9+9+9
Selanjutnya dengan menggunakan Uji Kai Kuadrat disimpulkan bahwa keempat
varians di atas adalah homogen ( lihat perhitungan yang lengkap pada analisis Kai
Kuadrat
Sumber: http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html
KESIMPULAN
Analisis varians (analysis of variance, ANOVA) adalah suatu metode
analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam
literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis
ragam, sidik ragam, dan analisis variansi
Secara umum, analisis varians menguji dua varians (atau ragam)
berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah
varians antarcontoh (among samples) dan varians kedua adalah varians di dalam
masing-masing contoh (within samples
Anova dua jalur mempertimbangkan 2 faktor yang mengakibatkan terjadinya
penyimpangan (dispersi) dan nilai-nilai yang dihitung dengan standar deviasi atau
varians. Apabila para peneliti inign menguji efektivitas keberdaaan dua buah
factor, yang masing-masing faktornya terbagi atas beberapa kategori, peneliti
dapat,menggunakan
Anova dapat digolongkan kedalam beberapa kritenia, yaitu :
1. Klasifikasi 1 arah
ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1 kriteria.
2. Klasifikasi 2 arah
ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2 kriteria.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak kriteria.
DAFTAR PUSTAKA
http://id.wikipedia.org/wiki/ANOVA
http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html
Modul Praktikum StatistikaII Program Studi Statistika Fakultas Matematika Dan Ilmu
Pengetahuan Alam Universitas Gadjah Mada 2007
Modul Praktikum STATISTIKA 2 jurusan Teknik Industri Fakultas Teknologi Industri
Universitas Gunadarma.