PENGENALAN MINITAB

Oleh : Triyanto

PROGRAM STUDI PENDIDIKAN MATEMATIKA UNIVERSITAS SEBELAS MARET SURAKARTA 2009

0

PENDAHULUAN
Paket program Minitab merupakan salah satu software yang sangat besar kontribusinya sebagai media pengolahan data statistik. Software ini menyediakan berbagai jenis perintah yang memungkinkan proses pemasukan data, manipulasi data, pembuatan grafik dan berbagai analisis statistik. Minitab mempunyai dua layar primer, yaitu Worksheet (lembar kerja) untuk melihat dan mengedit lembar kerja, serta sesi Command yang merupakan layar untuk menampilkan hasil. Perintah-perintah Minitab dapat diakses melalui menu, kotak dialog maupun perintah interaktif. Untuk memulai Minitab for windows dapat dilakukan melalui langkah-langkah berikut » Klik STAR » Pindahkan pointer mouse ke Program kemudian geser ke grup Minitab. » Klik icon Minitab Setelah langkah-langkah di atas dilakukan maka anda akan berhadapan dengan layar Minitab, yaitu layar sesi command , layar worksheet dan baris menu. Tampilan tesebut dapat anda perhatikan pada gambar berikut :

Baris Menu

Layar Sesi Comand

Layar Worksheet

1

Type Display Data : Membuka project baru : Membuka worksheet baru : Membuka file project : Membuka file worksheet : Menyimpan project : Menyimpan worksheet : Membatalkan proses/perintah sebelumnya : Menghapus isi cell tanpa merubah baris/kolom : Menghapus isi cell : Menggandakan isi cell : Menghapus/memindah isi cell : Menyisipkan isis cell : Mengurutkan data dalam satu kolom atau lebih : Menyimpan skor rangking dalam suatu kolom : Menghapus baris-baris tertentu dari setiap kolom : Menghapus variabel : Menggandakan kolom : Menggabungkan beberapa kolom menjadi satu kolom : Memecah satu kolom menjadi beberapa kolom : Menggabungkan beberapa kolom text dalam satu kolom : Memberikan koding nilai pada suatu kolom : merubah tipe kolom : Menampilkan data dari worksheet ke sesi command. : Menghitung peluang. d. Menu Edit Undo Clear Cells Delete Cells Copy Cells Cut Cells Paste Cells c. Matrices : Perintah untuk operasi matriks.PENGENALAN BARIS MENU Sebelum memulai bekerja dengan minitab. Meni calc Calculator : Operasi aritmatika Column Statistic : Perhitungan statistik berdasarkan kolom Row Statistics : Perhitungan statistik berdasarkan baris Standardize : Pemusatan dan penskalaan data dalam suatu kolom Extract from Date/Time to Numeric/Text : mengekstrak kolom yang bertipe date/time dan menyimpan dalam kolom dengan tipe numerik/text Random Data : Pembangkitan bilangan random untuk distribusi tertentu Prob. Menu File New Project New Worksheet Open Project Open Worksheet Save Project Save Worksheet b. Menu Data Sort Rank Delete Rows Erase Variables Copy Columns Stack Unstack Concatenate Code Change D. 2 . peluang kumulatif dan invers peluang kumulatif dari data kontonu. Berikut akan disampaikan beberapa penggunaan menu yang sering digunakan : a. Distri. terlebih dahulu harus dikenali menumenu yang tersedia dalam paket program ini.

) dan matriks (M1. K2. PERINTAH MTB> SET C1 DATA> 1:5 DATA>END HASIL Pada kolom C1 akan terisi data 1 2 3 4 5 Beberapa cara penulisan data melalui perintah SET adalah : 1:5 1 2 3 4 5 5:1 5 4 3 2 1 1:5/2 1 3 5 4(2) 2 2 2 2 4(1:3) 1 2 3 1 2 3 1 2 3 1 2 3 (1:3)4 1 1 1 1 2 2 2 2 3 3 3 3 3(1:2)2 1 1 2 2 1 1 2 2 1 1 2 2 Untuk lebih mudah dalam mengingat variabel-variabel yang berupa data dalam masing-masing kolom. kolom (C1. akan dikenali secara langsung setelah berhadapan dengan minitab. C2.. maka setiap kolom dapat diberi nama sesuai dengan 3 . INPUT DATA Data Minitab dapat berasal dari file atau dimasukkan dari keyboard. File data dapat berupa file Minitab (mempunyai ekstension MTW) atau file ASCII (mempunyai ekstension DAT). : Perhitungan/uji untuk rancangan percobaan : Perhitungan/uji untuk analisis multivariabel.00000 • Input data Kolom dapat dilakukan dengan menulis langsung pada Worksheet sesuai dengan kolom yang diinginkan.e.. K3.).). …. Untuk menu-menu yang belum tertulis dalam modul ini. uji hipotesis.0000 5. Data dalam minitab dikelompokkan dalam 3 kategori yaitu : konstanta (K1. • Input data konstanta dapat dilakukan dengan perintah LET Contoh : MTB > LET K1=25 MTB > LET K2=SQRT(K1) MTB > PRINT K1 K2 Data Display K1 K2 25. M3. …. C3. M2. korelasi dan uji normalitas : Perhitungan/uji untuk analisis regresi : Perhitungan/uji untuk analisis variansi. Menu Stat Basic Statistics Regression ANOVA DOE Multivariate : Perhitungan statistika dasar meliputi : deskripsi data. Sedangkan untuk data berpola akan lebih praktis jika input data dilakukan dengan perintah SET. ….

Contoh : MTB > Read 2 3 M1. seperti menentukan transpose. MTB > PRINT M1 Data Display Matrix M1 3 5 4 2 1 3 Atau dengan memanfaatkan fasilitas baris menu diatas sesi command. invers. • Input data matriks dapat dilakukan dengan perintah READ. yaitu : » Klik Calc » Pindahkan kursor ke Matrices » Klik Read » Isilah banyak baris pada kotak Number of rows » Isilah banyak kolom pada kotak Number of column » Isilah tempat penyimpanan data pada kotak Read into matrix (Misal : M1) » Klik OK » Masukkan data seperti contoh di atas Untuk selanjunya untuk operasi matriks. nilai eigen maupun aritmatika dapat dilakukan dengan perintah-perintah yang disajikan dalam menu Calc Matrices 4 . Pemberian nama dapat langsung menulis pada sel paling atas (dibawah C1. C2 dst).kehendak kita. DATA> 3 4 1 DATA> 5 2 3 2 rows read.

standar deviasi. nilai minimum/maksimum dan koefisien kemiringan/keruncingan ! 5 . Jika tidak maka kotak By Variable dikosongkan.STATISTIKA DESKRIPTIF Untuk mencetak statistika deskripsi pada setiap kolom dapat dilakukan dengan perintah sebagai berikut : » Masukkan data » Klik Stat » Pindahkan kursor ke Basic Statistics » Klik Display Descriptive Statistics » Isilah kotak Variables dengan peubah yang akan didiskripsikan (misal : C1) » Jika hasil deskripsi ingin dipecah berdasarkan peubah yang lain (misal : C2) maka kliklah kotak kiri dari By Variable dan isilah kotak kanan dengan C2. kuartil 1. variansi. kuartil 3. Tinggi Berat 165 50 157 49 155 50 170 65 160 50 150 50 169 63 172 70 158 50 165 63 163 50 160 49 Buatlah deskripsi dari data tersebut mengenai: rata-rata. median. » Klik Statistics kemudian pilih statistic yang diinginkan (pilih yang perlu saja agar hasil yang disajikan lebih focus) » Klik OK Contoh : Berikut ini adalah tinggi badan (dalam cm) dan berat badan (dalam kg) dari 10 mahasiswa prodi Pendidikan Matematika UNS.

09 61.14 1. Beberapa kriteria yang dapat digunakan untuk memilih kedua jenis statistik uji ini.00 Q1 157. Uji z digunakan jika variansi populasi diketahui tanpa memperhatikan ukuran sampel) • Jika n<30 dan variansi populasi tidak diketahui maka digunakan statistik uji t.00 Maximum 172. Uji hipotesis dan interval konfidensi untuk rerata dapat menggunakan statistik uji z atau t. » Isilah Alternative dengan memilih hipotesis alternatif yang diinginkan (dalam soal : not equal) » Klik OK 6 . yaitu : • Jika n>30 atau variansi populasi diketahui maka digunakan statistik uji z.83 Variance 43.56 7.00 49. 51 71 76 81 67 98 58 69 87 74 79 81 Jika diambil α = 5% dan dengan mengasumsikan bahwa nilai berdistribusi normal.00 70. (pada Minitab. Berat Variable Tinggi Berat Variable Tinggi Berat Mean 162.00 Q3 168.00 54. secara random dari populasinya diambil 12 siswa. Hipotesis yang diuji dapat berbentuk sebagai berikut : 1) H0 : µ = µ0 vs H1 : µ ≠ µ0 2) H0 : µ ≤ µ0 vs H1 : µ > µ0 3) H0 : µ ≥ µ0 vs H1 : µ < µ0 Interval Konfidensi (1-α)100% bagi rerata populasi adalah : ( x ± z(α / 2)σ ) atau ( x ± t(α / 2.00 63.92 Skewness -0.50 50.00 Kurtosis -0.00 Median 161.36 Minimum 150.00 StDev 6.83 UJI HIPOTESIS 1. bagaimana kesimpulan penelitian tersebut? Tahapan kerja dengan menggunakan Minitab adalah sebagai berikut : » Masukan data pada C1 dan beri nama “Nilai” » Klik Stat » Pilihlah Basic Statistics » Klik 1-Sample t » Isilah Samples in column dengan peubah C1 » Klik Test Mean dan pilih rerata yang dihipotesiskan (µ = 65) » Klik Options » Isilah confidence level yaitu (1 – α).58 -0. Ternyata nilai keduabelas siswa tersebut adalah sebagai berikut.25 50.Descriptive Statistics: Tinggi. Uji Hipotesis dan Interval Konfidensi untuk rerata Satu Kelompok Data sampel.n−1) s) Contoh : Untuk melihat apakah rataan nilai mata pelajaran Matematika siswa kelas tiga SMU X sama dengan 65.

3453. Hipotesis yang diuji dapat berbentuk sebagai berikut : 1) H0 : µA = µB vs H1 : µA ≠ µB 2) H0 : µA ≤ µB vs H1 : µA > µB 3) H0 : µA ≥ µB vs H1 : µA < µB Dalam Minitab ada dua pilihan untuk keperluan uji ini. Perhatikan contoh pemasukan data berikut : C1 10 12 15 C2 13 16 20 atau C1 1 1 1 2 2 2 C2 10 12 15 13 16 20 7 .5722 SE Mean 3.3333 StDev 12.One-Sample T: Nilai Test of mu = 65 vs not = 65 Variable Nilai N 12 Mean 74.6293 95% CI (66.3213) T 2.026 2. 82. Uji Hipotesis dan Interval Konfidensi untuk rerata Dua Kelompok Data sampel Dari dua kelompok data sampel dapat dilakukan uji perbandingan dua nilai tengah dengan statistik uji t. Untuk keperluan ini Minitab tidak menyediakan statistik uji z. yaitu data ditulis dalam satu kolom atau data ditulis dalam dua kolom.57 P 0.

karena memang tidak menyebut pembedanya. diperoleh data 74 68 82 76 73 68 80 68 69 68 66 61 80 76 Jika diasumsikan variansi-variansi populasi sama. » Isilah Alternative dengan memilih hipotesis alternatif yang diinginkan (dalam soal : greater than) » Klik OK 8 . Metode A 67 Metode B 72 apakah metode A lebih baik daripada metode B untuk Dari 8 anak yang ditetapkan sebagai sampel.Contoh : Peneliti ingin melihat mengajar matematika. nilai ujian berikut. populasi-populasi saling independen dan berdistribusi normal. bagaimana kesimpulan penelitian tersebut? α = 5% Tahapan kerja dengan menggunakan Minitab adalah sebagai berikut : Cara 1 : Data ditulis dalam 2 kolom » Masukan nilai dari metode A pada C1 dan beri nama “Metode A” » Masukan nilai dari metode B pada C2 dan beri nama “Metode B” » Klik Stat » Pilihlah Basic Statistics » Klik 2-Sample t » Klik Samples in different columns » Isilah First dengan peubah C1 » Isilah Second dengan peubah C2 » Klik Options » Isilah confidence level yaitu (1 – α). » Isilah Test Difference dengan 0.

karena memang tidak menyebut pembedanya.C2 Isilah kotak pada Column in current worksheet dengan kolom kosong (misal C3) dan beri nama C3 dengan “Nilai” Isilah kotak pada Store Subscripts in dengan Kolom kosong (misal C4) dan beri nama C4 dengan “ Metode” Klik Stat Pilihlah Basic Statistics Klik 2-Sample t Klik Samples in one column Isilah Samples dengan peubah C3 Isilah Subscripts dengan peubah C4 Klik Options Isilah confidence level yaitu (1 – α) dalam soal 95% Isilah Test Difference dengan 0. Isilah Alternative dengan memilih hipotesis alternatif yang diinginkan (dalam soal : greater than) Klik OK 9 .Cara 2 : Data ditulis dalam 1 kolom (missal data sudah tersusun 2 kolom) » » » » » » » » » » » » » » » » » Klik Data Pindahkan kursor ke Stack Klik Columns Isilah kotak pada stack the following columns dengan C1.

KELAS NILAI IA 5. Dari masing-masing kelas diambil secara random sejumlah anak.077 DF = 14 ANALISIS VARIANSI 1. 7 IC 8. 7.2 1. 5. 7. 4 ID 1. 3.63 StDev 6.27 4. Metode B Two-sample T for Metode A vs Metode B N 8 8 Mean 73. 4. 6. 10. 8. 7.8 Metode A Metode B Difference = mu (Metode A) .6490 P-Value = 0. Contoh : Peneliti ingin mengetahui apakah keempat metode mengajar.72478 T-Test of difference = 0 (vs >): T-Value = 1. dan kelas ID (untuk metode D). C.88 69.25000 95% lower bound for difference: -0. Anava Satu Jalan Anava merupakan suatu analisis statistika untuk menguji secara serentak apakah k populasi mempunyai rataan yang sama. Disebut anava satu jalan karena pada eksperimen ini hanya ada satu faktor yang diselidiki. 2 IB 9. yaitu data ditulis dalam satu kolom atau data ditulis dalam beberapa kolom (seperti pada uji hipotesis). 6. Tahapan kerja dengan menggunakan Minitab adalah sebagai berikut : Cara 1 : data tersusun dalam beberapa kolom » Masukan nilai dari kelas 1A pada C1 dan beri nama “Metode A” » Masukan nilai dari kelas 1B pada C2 dan beri nama “Metode B” » Masukan nilai dari kelas 1C pada C3 dan beri nama “Metode C” » Masukan nilai dari kelas 1D pada C4 dan beri nama “Metode D” » Klik Stat » Pilihlah ANOVA » Klik One-Way (Unstacked) 10 . Keempat metode tersebut dicobakan kepada empat kelas yang seimbang. 5. Lakukan uji lanjut pasca anava untuk menentukan metode manakah yang lebih baik daripada metode yang lain. 4. yaitu metode A. 1. bagaimanakah kesimpulan penelitian tersebut? b. dan D mempunyai efek yang sama. yaitu kelas IA (untuk metode A). 3. 7. kelas IB (untuk metode B). dan hasilnya adalah sebagai berikut. 9.96 SE Mean 2. 4. Dengan mengambil α = 5%. Dalam Minitab ada dua pilihan untuk keperluan uji ini. kelas IC (untuk metode C). 9.Cara 1 dan Cara 2 akan menampilkan hasil yang sama Two-Sample T-Test and CI: Metode A.50 Both use Pooled StDev = 5. B.mu (Metode B) Estimate for difference: 4. 4 a.

C2. » Isilah confidence level yaitu (1 – α) dalam soal 95% » Klik Comparisons dan contreng metode perbandingan ganda yang diinginkan.C4. Isilah confidence level yaitu (1 – α) dalam soal 95% Klik Comparisons dan contreng metode perbandingan ganda yang diinginkan.C2.C3.C3. Klik OK Cara 2 : data tersusun dalam satu kolom (misalnya data sudah tersusun seperti cara 1) » Klik Data » Pindahkan kursor ke Stack » Klik Columns » Isilah kotak pada stack the following columns dengan C1. » Klik OK 11 .C4 » Isilah kotak pada Column in current worksheet dengan kolom kosong (misal C5) dan beri nama C5 dengan “Nilai” » Isilah kotak pada Store Subscripts in dengan Kolom kosong (misal C6) dan beri nama C6 dengan “ Metode” » Klik Stat » Pilihlah ANOVA » Klik One-Way » Isilah pada kotak Responses dengan C5 dan Faktor dengan C6.» » » » Isilah pada kotak Responses dengan C1.

673 Individual 95% CIs For Mean Based on Pooled StDev -----+---------+---------+---------+---(-----*----) (------*------) (-----*-----) (------*------) -----+---------+---------+---------+---2.200 6.5 10.375 8.000 StDev 2.Cara 1 dan Cara 2 akan menampilkan hasil yang sama.5 5.49% Level Metode Metode Metode Metode A B C D N 8 5 7 6 Mean 5.71 F 6.53 158.35 MS 25.002 S = 1.952 1.143 3. SUBC> Fisher 5.0 Pooled StDev = 1. MTB > Oneway 'Nilai' 'Metode'.51% R-Sq(adj) = 41.81 81.60 3.925 12 .304 1.925 R-Sq = 48.0 7.326 1.91 P 0. One-way Analysis of Variance One-way ANOVA: Nilai versus Metode Source Metode Error Total DF 3 22 25 SS 76.

0 8. datanya adalah sebagai berikut.549 -1.281 -2.375 Upper 5.0 4.0 Metode = Metode C subtracted from: Metode Metode D Lower -5.219 ---------+---------+---------+---------+ (-----*-----) (----*----) (----*----) ---------+---------+---------+---------+ -4. 8. 4 Perempuan 3.825 0.922 ---------+---------+---------+---------+ (----*-----) ---------+---------+---------+---------+ -4. 7. satu kolom untuk koding faktor kedua dan satu kolom untuk data respon.0 8. dan III) dan sekaligus ingin melihat apakah ada beda prestasi antara laki-laki dan perempuan. 8. 8 9.364 Center -3. Dengan mengambil secara random dari populasinya.0 2. Metode I Metode II Metode III Laki-laki 8. Contoh Seorang peneliti ingin melihat efek tiga metode mengajar (yaitu I.200 Upper 0.057 -5. 6. 4.0 0. 2 5. 9 Dengan mengambil α = 5%.395 -7.143 Upper -0.834 -0.Fisher 95% Individual Confidence Intervals All Pairwise Comparisons among Levels of Metode Simultaneous confidence level = 80.0 Metode = Metode B subtracted from: Metode Metode C Metode D Lower -4.782 ---------+---------+---------+---------+ (-----*-----) (-----*-----) ---------+---------+---------+---------+ -4. Anava Dua Jalan Disebut anava dua jalan karena pada eksperimen ini hanya ada dua faktor yang diselidiki. II.101 2.768 -2. bagaimanakah kesimpulan mengenai efek utama dan interaksi antar variabel? Tahapan kerja dengan menggunakan Minitab adalah sebagai berikut : » » » » Masukan koding untuk jenis kelamin pada C1 dan beri nama “ JK” Masukan koding untuk Metode Mengajar pada C2 dan beri nama “Metode” Masukkan nilai sesuai koding pada C3 dan beri nama “Nilai” Klik Stat 13 .0 8. 7 6.0 4.0 0.531 Center 2.0 4. 6 3.0 0.298 -4.618 Center -2. 2. Dalam Minitab input data untuk prosedur ini terdiri dari satu kolom untuk koding faktor pertama.73% Metode = Metode A subtracted from: Metode Metode B Metode C Metode D Lower 0.

2 Metode II 6.19 P 0.468 0. 8.1667 0. 6. 6.5000 MS 0. 4 9. METODE Source JK METODE Interaction Error Total S = 0. 7 14 . dan III) dan sekaligus ingin melihat apakah ada beda prestasi antara laki-laki dan perempuan. 8 Metode III 3.56 1. 7. 5 5. 9.5000 40.6667 94. Untuk keperluan tersebut Minitab menyediakan GLM dalam menyelesaikan anava dua jalan dengan sel tidak sama.8889 F 0. 2. 9 3. 4. datanya adalah sebagai berikut. 8.69 45.0000 80. Contoh : Seorang peneliti ingin melihat efek tiga metode mengajar (yaitu I. 8.226 0. 7.000 R-Sq = 88. Dengan mengambil secara random dari populasinya.01% Minitab tidak dapat menjalankan prosedur di atas jika banyak data tiap sel tidak sama.5000 3.9428 DF 1 2 2 12 17 SS 0.3333 10. II.71% R-Sq(adj) = 84.» » » » » » » Pilihlah ANOVA Klik Two-Way Isikan C3 pada kotak Respons Isikan C1 pada kotak Row Factor Isikan C2 pada kotak Column Factor Isilah confidence level yaitu (1 – α) dalam soal 95% Klik OK Two-way ANOVA: NILAI versus JK.5000 1. Laki-laki Perempuan Metode I 8.

102 90. Klik OK General Linear Model: Nilai versus JK.098 18.05% R-Sq(adj) = 77.164 F 0.72 P 0.898 0. 3 Analysis of Variance for Nilai.818 Adj SS 0.07868 DF 1 2 2 16 21 Seq SS 0. bagaimanakah kesimpulan mengenai efek utama dan interaksi antar variabel? Tahapan kerja dengan menggunakan Minitab adalah sebagai berikut : » » » » » » » » » » » » Masukan koding untuk jenis kelamin pada C1 dan beri nama “ JK” Masukan koding untuk Metode Mengajar pada C2 dan beri nama “Metode” Masukkan nilai sesuai koding pada C3 dan beri nama “Nilai” Klik Stat Pilihlah ANOVA Klik General Linear Model Isikan C3 pada kotak Respons Isikan C1 C2 C1*C2 pada kotak Model Klik Comparisons Pilih Pairwise Comparisons dan masukkan variabel yang akan dikomparasi contreng metode perbandingan ganda yang diinginkan. P 1.595 45.37 38.75% 15 .098 18.Dengan mengambil α = 5%. Metode Factor JK Metode Type fixed fixed Levels 2 3 Values L.617 Adj MS 0.617 109.020 3.002 1. 2.020 1.000 R-Sq = 83.049 1.02 1. using Adjusted SS for Tests Source JK Metode JK*Metode Error Total S = 1.189 90.282 0.

0001 JK P P P Metode 1 2 3 T-Value 0.1654 JK L P P P Metode 3 1 2 3 T-Value -4.023 0.7627 Adjusted P-Value 0.7878 0. Tahapan kerja dengan menggunakan Minitab adalah sebagai berikut : (data sudah ada dalam kolom C1. C3) 16 .067 1.557 JK = L Metode = 3 subtracted from: Difference of Means 0.069 -6.9994 JK L L P P P Metode 2 3 1 2 3 T-Value -2.0059 0.211 -6.8239 Adjusted P-Value 1.8239 Adjusted P-Value 0.600 -5.000 -1. C2.250 SE of Difference 0.00000 3.0000 0.8807 0.78472 6.0168 0.917 SE of Difference 0.7236 0.37250 JK = P Metode = 1 subtracted from: Difference of Means 3. Untuk memperjelas dalam Minitab disediakan perintah untuk membuat plot interaksi sehingga lebih mudah untuk dipahami.250 SE of Difference 0.8239 0.0000 0.069 -2.8239 0.0002 0.316 -0.0059 1.667 0.000 -5.850 SE of Difference 0.7878 0.8807 0.25000 SE of Difference 0.00000 3.7878 0.8807 0.7236 Adjusted P-Value 0.3723 0.0002 0.0168 0.400 -0. Pada contoh anava dua jalan dengan sel tidak sama di atas akan dibuat plot interaksi.316 -4.085 2.400 -3.33333 5.2397 JK P Metode 3 T-Value 2.785 6.328 JK = L Metode = 2 subtracted from: Difference of Means -3.8239 Adjusted P-Value 0.373 JK = P Metode = 2 subtracted from: Difference of Means 1.8239 0.333 5.326 PLOT INTERAKSI Pada anava dua jalan terdapat faktor interaksi yang terkadang kurang tepat dalam menginterpretasikan makna kata interaksi.2854 0.0001 JK P P Metode 2 3 T-Value 3.Tukey Simultaneous Tests Response Variable Nilai All Pairwise Comparisons among Levels of JK*Metode JK = L Metode = 1 subtracted from: Difference of Means -1.

5 6.0 7.5 6.0 4.0 9.0 7.» » » » » » » Klik Stat Pilihlah ANOVA Klik Interactions Plot Isikan C3 pada kotak Respons Isikan C1 C2 pada kotak Factors Contreng Display full interaction plot matrix Klik OK Interaction Plot (data means) for Nilai 1 2 3 9.0 L P Metode 1 2 3 JK L P JK Metode 17 .5 3.5 3.0 4.

Uji Normalitas Misalkan pada contoh anava satu jalan di atas akan diuji apakah data kolom pertama berasal dari populasi yang berdistribusi normal dilakukan tahapan kerja sebagai berikut : » Klik Stat » Pilihlah Basic Statistics » Klik Normality Test » Isikan C1 pada kotak Variable » Pilih Metode yang di pakai (misal : Kolmogorov-Smirnov) » Isikan Title (misal : Uji Normalitas Metode A) » Klik OK 18 .ASUMSI ANAVA 1.

106 >0. Uji Homogenitas Misalkan pada contoh anava satu jalan di atas akan diuji apakah populasipopulasinya homogen dilakukan tahapan kerja sebagai berikut : » Klik Stat » Pilihlah ANOVA » Klik Test for Equal Variances » Isikan “Nilai” pada kotak Respons » Isikan “Metode” pada kotak Factors » Isikan Title (misal : Uji Homogenitas) » Klik OK 19 .375 2.150 95 90 80 70 Percent 60 50 40 30 20 10 5 1 0 2 4 6 Metode A 8 10 12 2.326 8 0.UJI NORMALITAS METODE A Normal 99 Mean StDev N KS P-Value 5.

485 Metode B Metode Metode C Metode D 0 1 2 3 4 5 6 95% Bonferroni Confidence Interv als for StDev s 20 .58 0.84 0.UJI HO MOGENITAS Bartlett's Test Metode A Test S tatistic P -Value 1.664 Lev ene's Test Test S tatistic P -Value 0.