Statistika Inferensial

----------------------------------------------------------------------------------------------------

BAB XI ANALISIS VARIANSI
A. KONSEP DASAR Analisis variansi (analysis of variance/Anova) pertama kali diperkenalkan oleh Fisher pada tahun 1926. Anova ini merupakan perangkat statistika untuk pengujian hipotesis. Tujuan awal analisis variansi adalah untuk memeriksa adanya beda rerata dari tiga kelompok populasi atau lebih. Tiga kelompok populasi tersebut dapat mengacu pada atribut ekonomi, misalnya kelompok ekonomi kuat, menengah dan lemah. Ia juga boleh mengacu kepada regional, misalkan wilayah Jawa Barat, Jawa Timur, dan Jawa Tengah. Kata ‘tiga kelompok populasi atau lebih’ perlu mendapatkan sedikit perhatian. Ini berarti anova tidak bisa digunakan untuk dua populasi sebagaimana uji beda rerata. Dengan demikian, analisis variansi ini dapat dipandang sebagai pengembangan lanjut atas uji beda rerata yang hanya mensyaratkan dua kelompok subsampel. Dalam penerapannya, analisis variansi mensyaratkan dua hal penting. Pertama, ada variabel faktor dengan 3 atau lebih pengelompokan. Kedua, ada variabel kuantitatif dengan skala interval (misalkan prestasi belajar, tinggi badan, berat badan). Dua syarat tersebut di atas semakin mempertegas perbedaannya dengan uji beda rerata. Perbedaan lain dengan anova adalah uji beda rerata hanya membandingkan dua rerata populasi yang didasarkan pada sampel bebas (independen) yang diambil secara random. Karakteristik kerandoman pada uji beda rerata ini melekat pada percobaan yang berbeda dan terpisah. Sebaliknya, anova mengasumsikan masing-masing populasi pada dasarnya berasal dari satu populasi. Lebih lanjut, data pada masing-masing kelompok yang hendak dikaji anova diambil secara acak. Masing-masing populasi beranggotakan N yang memiliki rerata µ dan variansi σ 2. Tiap populasi diambil sebanyak n subsampel. Keacakan pengambilan sampel ini penting untuk mendukung asumsi variansi kelompok bersifat homogen. Oleh karena itu, jika terjadi perbedaan signifikan antara variansi (rerata kuadrat sampel) dalam kelompok dengan antara kelompok maka itu pasti disebabkan oleh adanya beda rerata (lihat ilustrasi gambar 11-1).

Gambar 11-1

======================================== Bab XI: Analisis Variansi 200

Statistika Inferensial---------------------------------------------------------------------------------------------------Analisis variansi yang dikenal dalam statistika berwujud 3 bentuk. Bentuk pertama adalah uji anova satu jalur (one way anova). Uji anova satu jalur memuat hanya ada satu variabel yang diposisikan sebagai faktor. Bentuk kedua adalah uji anova dua jalur (two way anova). Uji anova dua jalur memuat ada dua variabel, satu variabel berposisi sebagai faktor dan satu variabel lagi berskala interval. Bentuk terakhir adalah uji anova tiga jalur (three way anova). uji anova tiga jalur menampilkan tiga variabel, dua variabel sebagai faktor dan satu variabel berskala interval. Buku ini hanya akan membahas dua bentuk yang disebut pertama. B. ANALISIS VARIANSI SATU LAJUR Analisis variansi satu lajur mensyaratkan data tersusun ke dalam tiga atau lebih kolom (atau baris). Dalam hal data tersusun ke dalam format kolom, uji anova dilakukan dengan memeriksa variasi antarkolom tanpa memperhatikan variasi perbedaan baris. Sebaliknya, dalam hal data tersusun ke dalam format baris, Uji anova dilakukan dengan memeriksa variasi antarbaris tanpa memperhatikan variasi perbedaan kolomnya. Guna mengurangi kerancuan, bentuk yang akan dijelaskan mengacu pada format kolom sebagaimana ditampilkan pada tabel 11-1 di bawah ini. Kolom 1, 2, dan seterusnya hingga kolom ke-k diperlakukan berbeda berdasarkan atribut klasifikasi tertentu. Baris 1, 2, dan seterusnya hingga baris ke-n adalah cacah sampel. Sampel ini diperlakukan secara ‘adil’, tanpa diskriminasi apapun. Masing-masing kolom memiliki total penjumlahan sehingga dapat diketemukan nilai rerata kolomnya. Dengan berpedoman pada kaidah ini pula, nilai total penjumlahan keseluruhan dapat diperoleh. Selanjutnya, rerata keseluruhan juga dapat dengan mudah diketemukan.
Tabel 11-1 Sampel 1 2 … n Total Rerata 1 y11 y12 … y1n T1 ỹ1 2 y21 y22 … y2n T2 ỹ2 Faktor/Treatment … i yi1 yi2 … … yin … Ti … ỹi … … … … … … k yk1 yk2 … ykn Tk ỹk

T ỹ

Analisis variansi bertitik tolak dari variasi. Variansi merupakan perbedaan kuadrat antara semua nilai dengan reratanya. Menilik pada tabel di atas variansi dapat berasal dari perbedaan atas rerata total dan atas rerata kolom. Variansi yang disebut pertama disebut variansi total (SST, sum of square total). Variansi yang terakhir disebut variansi kolom (SSC, sum of square treatment/column). Sebagaimana sudah dijelaskan dalam Buku Statistika Diskriptif, variansi total (SST) diperoleh dengan cara mengkuadratkan perbedaan setiap nilai terhadap rerata totalnya. SST: Σ [Xi – µ ]2 ======================================== Bab XI: Analisis Variansi 201

Statistika Inferensial---------------------------------------------------------------------------------------------------Variansi kolom diperoleh dengan cara mengkuadratkan perbedaan setiap nilai di masing-masing kolom terhadap rerata di tiap kolom. Anova ditempuh dengan membandingkan antara variansi kolom dengan variansi yang tidak terjelaskan. DF). nilai SSC dikoreksi dengan C-1. Tetapkan hipotesis awal: Ho = µ 1 = µ 2 = µ 3 = … = µ n Hipotesis nol di atas menyatakan bahwa tidak ada perbedaan yang signifikan antara rerata pada populasi ke-1. dan nilai SSE disesuaikan dengan N-C. populasi ke-2 dan seterusnya hingga populasi ke-n. SSC = Σ [Xi – µ k]2 Variansi sisa yang tidak bisa dijelaskan (SSE. Tabel 11-2 Prinsip-prinsip umum uji anova satu jalur dapat dilaksanakan dengan bebarapa langkah berikut. Tetapkan hipotesis alternatif: Ha = µ 1 ≠ µ 2 ≠ µ 3 ≠ … ≠ µ n ======================================== Bab XI: Analisis Variansi 202 . Perhitungan dan perlakuan masing-masing variansi disajikan pada tabel 11-2 berikut. (1). Nilai SST dibagi dengan N-1. SSE = SST – SSC Masing-masing nilai variansi masih harus dikoreksi dengan derajad kebebasan (degree of freedon. (2). sum of square error) merupakan sisa dua variansi yang telah diperoleh sebelumnya.

(3). Contoh aplikasi managerial anova satu jalur diberikan berikut. Hitunglah nilai rerata total (µ ) dan nilai rerata kolom di tiap kolom (µ k) (4).Statistika Inferensial---------------------------------------------------------------------------------------------------Hipotesis alternatif di atas menyatakan bahwa setidaknya ada satu perbedaan yang signifikan antara rerata pada populasi ke-1. populasi ke-2 dan seterusnya hingga populasi ke-n. kesimpulan apakah yang dapat ditarik? Tabel 11-3 Sampel 1 2 3 4 5 6 7 8 A 15 11 10 9 B 8 8 7 9 11 8 C 11 11 8 8 9 10 D 14 11 10 9 11 12 12 10 Mentaati prinsip-prinsip umum uji anova satu jalur. Dengan menggunakan α = 5 persen. MSE (Mean Square Error). Sejauh mungkin butir-butir simpulan yang ditarik disesuaikan dengan persoalan yang diajukan mula-mula. Hitunglah SST. Untuk mengetahui apakah ada pengaruh kemasan suatu produk kecantikan terhadap penjualannya. penyelesaian soal di atas diawali dengan penetapan hipotesis. Bandingkan F-hitung dan F-tabel (8). Tentukan nilai F-tabel pada posisi [α . Hipotesis awal dinyatakan sebagai semua kelompok populasi memiliki nilai rerata yang sama. B. Hasil pencatatan adalah sebagai berikut tabel 11-3. dan F (rasio antara MSE dan MSC) (6). Ambil simpulan. Hitunglah perhitungan statistikanya yang mencakup MSC (Mean Square Column). Penjualan selama beberapa bulan (dalam juta rupiah) untuk masingmasing kemasan dicatat. SSC. (n-k)] sebagai nilai kritis (7). yaitu A. D. Secara simbolik: Ho = µ A = µ B = µ C = µ D Ha = µ A ≠ µ B ≠ µ C ≠ µ D ======================================== Bab XI: Analisis Variansi 203 . sebuah pabrik alat-alat kecantikan melakukan pengujian dengan membuat 4 macam kemasan. dan SSE beserta derajad kebebasannya (5). C. Hipotesis alternatif ditetapkan sebagai paling tidak ada dua kelompok populasi yang memiliki rerata yang tidak sama. k-1.

langkah berikutnya adalah menghitung nilai rerata. Nilai rerata kelompok subpopulasi masing-masing adalah ======================================== Bab XI: Analisis Variansi 204 .Statistika Inferensial---------------------------------------------------------------------------------------------------Mengikuti prosedur di atas.

125)2 = 16.5)2 + (9-8.5)2 = = 20.5)2 + (8-8.5 = 9.25)2 + (10-11. ======================================== Bab XI: Analisis Variansi 205 .25)2 SSCB = (8-8.25 4 8 + 8 + 7 + 9 + 11 + 8 µ B = -------------------------6 11 + 11 + 8 + 8 + 9 + 10 µ C = -----------------------------6 14 + 11 + 10 + 9 + 11 + 12 + 12 + 10 µ D = --------------------------------------------8 Nilai rerata total adalah 15 + 11 + 10 + … + 10 + 9 + 11 + 12 + 12 + 10 µ T = ---------------------------------------------------------24 = 10.5 = 11.5)2 + (8-8.5)2 + (10-9.75 9.5)2 = SSCD = (14-10. perhitungan nilai-nilai variansi sudah dapat dimulai.5)2 + (11-9.63 Hasil perhitungan SSC detailnya disajikan pada tabel 11-4 berikut.5)2 + (8-9. SSCA = (15-11.25)2 + (9-11.125 Atas dasar nilai-nilai rerata di atas.5)2 + (9-9.Statistika Inferensial---------------------------------------------------------------------------------------------------15 + 11 + 10 + 9 µ A = -------------------= 11.50 SSCC = (11-9.125)2 + (11-10.5)2 + (7-8.09 = 8.5)2 + (8-9.125)2 + … + (10-10.5)2 + (11-8.88 ----------------+ 56.125)2 + (10-10.50 9.25)2 + (11-11.

07 0.20 0.25 0.09)2 + (10-10.09)2 Hasil perhitungan SST detailnya disajikan pada tabel 11-5 berikut.21 Sejalan dengan itu.25 0.25 2. SSE = 87. nilai statistika F-rasio dapat dihitung sebesar ======================================== Bab XI: Analisis Variansi 206 .75 SST = (15-10.21 ------.25 9.83 20 31.02 1.84 – 56.63 Jumlah 20.82 4.63 ------.63 SST= 0.20 B 4.02 0.20 0.09)2 + (11-10.52 0.25 2.40 3 MSE = Atas dasar informasi di atas.56 5.27 SSC= 16.63 = 31.= 2.84 = 87.25 2.63 3.20 0.25 0.25 0.77 1.38 9.82 4.25 6.38 4.88 56.57 1.25 0.25 9.50 C 2.82 0.82 0.27 4.82 3.77 0.50 D 8.09)2 + … + (12-10.82 0.01 1.= 10.01 D 15.25 2.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-4 Sampel A 14.38 4. rerata tiap sumber variansi dapat dihitung MSC = 56.26 0.06 B 0.01 87.38 C 0.06 1.84 Selanjutnya.27 0.01 1.06 0.38 1. Tabel 11-5 Sampel 1 2 3 4 5 6 7 8 A 24.

05 3 ----------------------------------------------1 … 2 … 3 … … … … 20 3.10 ini adalah sebagai ancangan penerimaan atau penolakan Ho (periksa gambar 11-2).67 Nilai kritis untuk α – misalkan pada tingkat 5 persen – dengan v1= k-1 = 4 – 1 = 3.Statistika Inferensial---------------------------------------------------------------------------------------------------MSE F-rasio = ------MSC = = 10. ======================================== Bab XI: Analisis Variansi 207 .10 n … 3.10.83 3. Tabel F 0.10 Gambar 11-2 Hasil cetakan paket program komputer Minitab tabel 11-6 membenarkan hasil perhitungan manual di atas. dan v2 = n-k = 24 – 4 = 20 dari tabel F statistik didapatkan sebesar 3.40 ------2. Nilai 3.

1 persen. Simpulan yang sama juga dapat ditempuh dengan mencermati nilai P (probabilitas) pada kolom terakhir hasil Minitab di atas. C.9 persen. Nilai 5 persen > 2. ANALISIS VARIANSI DUA LAJUR Analisis variansi dua jalur merupakan pengembangan atas analisis variansi satu jalur. Ini berarti hipotesis awal tidak diterima. anova dua jalur membandingkan dua atau lebih populasi (kolom) sekaligus membandingkan barisnya (periksa gambar 11-3). Konsekuensi atas asumsi ini adalah variansi untuk semua populasi dianggap sama besar. hipotesis awal tidak diterima.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-6 Dengan membandingkan antara F hitung dan F tabel.9 persen. simpulan yang dapat ditarik adalah dengan bahwa derajad kepercayaan sebesar 95 persen. Sedikitnya ada satu rerata penjualan produk kecantikan yang berbeda dengan yang lainnya. Agar hipotesis awal tetap dapat diterima. risiko yang ditetapkan adalah sebesar 5 persen. ======================================== Bab XI: Analisis Variansi 208 . Dengan lain perkataan. Nilai P hasil olahan Minitab adalah sebesar 2. Hal khusus yang terkandung pada uji anova dua jalur adalah perhatian terhadap variansi antarkolom dan sekaligus variasi antarbaris. Asumsi yang mendasarinya tetap sama. Apabila analisis variansi satu jalur hanya memperhatikan perbedaan antar kolom. derajad kepercayaan harus diperbesar menjadi 97. Sejak awal.9 persen. yaitu populasi terdistribusi normal dan sampel diambil secara acak dari masing-masing populasi. risiko kesalahan adalah sebesar 2. Klasifikasi baris pada umumnya disebut sebagai efek blok (randomized block design).

sum of square row) diperoleh dengan cara mengkuadratkan perbedaan setiap nilai di masing-masing baris terhadap rerata di tiap baris. Perhitungan ======================================== Bab XI: Analisis Variansi 209 . SST: Σ [Xi . nilai SSR dijustifikasi dengan R-1.µ b]2 Variansi sisa yang tidak bisa dijelaskan (SSE. sum of square error) merupakan sisa dua variansi yang telah diperoleh sebelumnya. dan nilai SSE disesuaikan dengan N-C. variansi total (SST. SSR = Σ [Xi . DF). nilai SSC dibebani dengan C-1.µ ]2 Variansi kolom diperoleh dengan cara mengkuadratkan perbedaan setiap nilai di masing-masing kolom terhadap rerata di tiap kolom. SSC = Σ [Xi . sum of square total) diperoleh dengan cara mengkuadratkan perbedaan setiap nilai terhadap rerata totalnya.µ k]2 Variansi baris (SSR. SSE = SST – SSC – SSR Masing-masing nilai variansi masih harus dikoreksi dengan derajad kebebasan (degree of freedon.Statistika Inferensial---------------------------------------------------------------------------------------------------- Gambar 11-3 Sebagaimana pada anova satu jalur. Nilai SST dibagi dengan N-1.

Hitunglah nilai rerata total (µ ). = ûb Hipotesis nol di atas menyatakan bahwa tidak ada perbedaan yang signifikan antara rerata pada populasi ke-1. populasi ke-2 dan seterusnya hingga populasi ke-n dan juga setidaknya ada satu perbedaan yang signifikan antara rerata pada kelompok ke-1.. (3)... Tetapkan hipotesis alternatif: Ha = µ 1 ≠ µ 2 ≠ µ 3 ≠ … ≠ µ n Ha = û1 ≠ û2 ≠ û3 ≠ . SSR. Tetapkan hipotesis awal: Ho = µ 1 = µ 2 = µ 3 = … = µ n Ho = û1 = û2 = û3 = .Statistika Inferensial---------------------------------------------------------------------------------------------------dan perlakuan masing-masing variansi disajikan pada tabel 11-7 berikut. (2). nilai rerata kolom di tiap kolom (µ k). kelompok ke-2 dan seterusnya hingga kelompok ke-n. Tabel 11-7 Prinsip-prinsip umum uji anova dua jalur dapat dilaksanakan dengan bebarapa langkah berikut. Anova ditempuh dengan membandingkan antara variansi kolom dengan variansi yang tidak terjelaskan.. dan SSE beserta derajad kebebasannya ======================================== Bab XI: Analisis Variansi 210 . ≠ ûb Hipotesis alternatif di atas menyatakan bahwa setidaknya ada satu perbedaan yang signifikan antara rerata pada populasi ke-1. SSC. kelompok ke-2 dan seterusnya hingga kelompok ke-n. dan nilai rerata baris (û) di tiap baris (4). populasi ke-2 dan seterusnya hingga populasi ke-n dan juga tidak ada perbedaan yang signifikan antara rerata pada kelompok ke-1. (1). Hitunglah SST.

sedang. Sejauh mungkin butir-butir simpulan yang ditarik disesuaikan dengan persoalan yang diajukan mula-mula. kuning. Kecil 2.33 ======================================== Bab XI: Analisis Variansi 211 . Bandingkan F-hitung dan F-tabel (8). dan besar. Secara simbolik: Ho = µ A = µ B = µ C = µ D Ho = û1 = û2 = û3 Ha = µ A ≠ µ B ≠ µ C ≠ µ D Ha = û1 ≠ û2 ≠ û3 Mengikuti prosedur di atas. kesimpulan apakah yang dapat ditarik mengenai pengaruh ukuran kemasan? Kesimpulan apa pula yang dapat ditarik mengenai pengaruh warna kemasan? Tabel 11-8 Merah A 6 7 9 Kuning B 5 9 8 Biru C 6 6 10 Hijau D 7 8 12 1. Hipotesis alternatif ditetapkan sebagai paling tidak ada dua kelompok populasi yang memiliki rerata yang tidak sama. Hipotesis awal dinyatakan sebagai semua kelompok populasi memiliki rerata yang sama. MSR (Mean Square Row). Hitunglah perhitungan statistikanya yang mencakup MSC (Mean Square Column). Banyaknya produk kecantikan yang terjual selama satu minggu untuk masingmasing kemasan dicatat (terlampir tabel 11-8). dan hijau dengan ukuran kemasan kecil.Statistika Inferensial---------------------------------------------------------------------------------------------------(5). Contoh aplikasi anova dua arah disajikan berikut. sebuah pabrik alat-alat kecantikan melakukan pengujian dengan membuat kemasan berwarna: merah. Ambil simpulan. Untuk mengetahui apakah ada pengaruh kemasan (warna dan ukuran kemasan) suatu produk kecantikan terhadap penjualannya. Dengan menggunakan α = 5 persen. Tentukan nilai F-tabel pada posisi [α . MSE (Mean Square Error). Besar Penyelesaian soal di atas diawali dengan penetapan hipotesis. dan F (rasio antara MSE dan MSC) (6). (n-b)] sebagai nilai kritis (7). Sedang 3. (k-1). Nilai rerata kelompok subpopulasi masing-masing adalah 6+7+9 µ A = ----------3 = 7. biru. langkah berikutnya adalah menghitung nilai rerata.

33-7.Statistika Inferensial---------------------------------------------------------------------------------------------------5+9+8 µ B = ----------3 6+6+9 µ C = ----------3 7 + 8 + 12 µ D = ------------3 Nilai rerata baris masing-masing adalah û1 = 6+5+6+7 ---------------4 7+9+6+8 ---------------4 9 + 8 + 10 + 12 ------------------4 = 6.75)2 + (9-7.75)2 + (7.33 = 9. perhitungan nilai-nilai variansi sudah dapat dimulai.50 û3 = = 9.33 = 7.33-7.08 = 2.75 Atas dasar nilai-nilai rerata di atas. SSC = (7.17 D 1.75 Nilai rerata total adalah 6 + 7 + 9 + … + 9 + 8 + 10 + 12 µ T = ---------------------------------------12 = 7.80 Hasil di atas kemudian masih harus dikalikan dengan cacah baris SSC = 2.17 B 0.80 × 3 = 6.00 = 7.75)2 + (7.25 ======================================== Bab XI: Analisis Variansi 212 .00 û2 = = 7.75)2 SSC A 0.33-7.56 Jumlah 2.17 C 0.

5)2 = 7.75)2 + (7.5-7.Statistika Inferensial---------------------------------------------------------------------------------------------------SSR = (6-7.13 ======================================== Bab XI: Analisis Variansi 213 .75)2 + (9.75-7.

50 Sejalan dengan temuan-temuan di atas.= 14.25 ------.06 0.56 5.58 6 MSC = MSE = Atas dasar informasi di atas.06 4.19 B 7..56 1. SSE SSE = SST – SSC – SSR = 44.00 7.06 9. nilai statistika F-rasio dapat dihitung sebesar ======================================== Bab XI: Analisis Variansi 214 .06 11.25 Selanjutnya.75)2 Hasil perhitungan SST detailnya disajikan pada tabel 11-9 berikut.56 0.08 3 9.50 ------.56 1.06 5.13 × 4 = 28.56 0.50 SST = (6-7.06 0.25 – 6.75)2 + (12-7.06 3.75)2 + . Tabel 11-9 1 2 3 Jumlah A 3.06 18.06 18.Statistika Inferensial---------------------------------------------------------------------------------------------------SSR 1 2 3 Jumlah 3.25 – 28.25 44.= 1.19 D 0.19 C 3.75)2 + (7-7.50 ------.. rerata tiap variansi dapat dihitung MSR = 28.25 2 6.5 = 9. + (10-7.69 Jumlah = 44.= 2.13 Hasil di atas kemudian masih harus dikalikan dengan cacah kolom SSR = 7.

26.25 ------1.Statistika Inferensial---------------------------------------------------------------------------------------------------F-rasio(1) = MSC ------MSE 2.07 dan 4. Nilai-nilai ini adalah sebagai ancangan penerimaan atau penolakan Ho (periksa gambar 11-4).00 = = F-rasio(2) = = = Nilai kritis (1) untuk α – misalkan pada tingkat 5 persen – dengan v1= k-1 = 4 – 1 = 3.58 1. ======================================== Bab XI: Analisis Variansi 215 .32 MSR ------MSE 14. dan v2 = (b-1) × (k-1) = 2 × 3 = 6 dari tabel F statistik didapatkan masing-masing sebesar 4.58 9. dan v2 = (b-1) × (k-1) = 2 × 3 = 6 Nilai kritis (2) untuk α – misalkan 5 persen – dengan v1= b-1 = 3 – 1 = 2.08 ------1.

Simpulan yang sama juga dapat ditempuh dengan mencermati nilai P (probabilitas) pada kolom terakhir hasil Minitab di atas. simpulan yang dapat ditarik adalah dengan bahwa derajad kepercayaan sebesar 95 persen ada pengaruh ukuran terhadap penjualan.14 4.76 … … … n … … 4. dengan membandingkan antara F hitung dan F tabel.07 Gambar 11-4 4.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel F 0. simpulan yang dapat ditarik adalah dengan bahwa derajad kepercayaan sebesar 95 persen tidak ada pengaruh warna kemasan terhadap penjualan. risiko yang ======================================== Bab XI: Analisis Variansi 216 . Terkait dengan efek kolom (warna kemasan). Tabel 11-10 Terkait dengan klasifikasi baris.05 2 3 ----------------------------------------------1 … … 2 … … 3 … … … 6 5. dengan membandingkan antara F hitung dan F tabel.26 Hasil cetakan paket program komputer Minitab tabel 11-10 membenarkan hasil perhitungan manual di atas. Sejak awal.

Agar hipotesis awal tetap dapat diterima.3 persen.4 persen. nilai SSC yang berasal dari regresi dikoreksi dengan k (K-1). ≠ k ≠ 0 (nol). sementara K adalah cacah semua koefisien regresi (termasuk konstanta) Masing-masing nilai variansi masih harus dikoreksi dengan derajad kebebasan (degree of freedon. Ini berarti hipotesis awal diterima.. Hasil F hitung nantinya akan sama dengan nilai kuadrat atas nilai t hitung. Penjelasan di atas secara implisit menegaskan bahwa penerapan anova dalam regresi lebih tepat untuk regresi majemuk..3 persen. Anova ditempuh dengan membandingkan antara variansi kolom dengan variansi yang tidak terjelaskan. dengan koefisien regresi yang dicari hanya satu. Dengan lain perkataan. yaitu menguji signifikansi koefisien-koefisien regresi secara bersama-sama. dan nilai SSE disesuaikan dengan N-k-1. Ini berarti hipotesis awal tidak diterima. Dengan lain perkataan. selangkah lebih maju. ======================================== Bab XI: Analisis Variansi 217 (3) .7 persen. risiko kesalahan adalah sebesar 35. Sebaliknya. Agar hipotesis awal tidak diterima.3 persen.6 persen. secara teknis penerapan anova dalam regresi sederhana masih dimungkinkan.. yaitu bahwa semua koefisien regresi berbeda dengan nol (2) Tentukan risiko kesalahan (α ). = k = 0 (nol). DF). Perhitungan dan perlakuan masing-masing variansi disajikan pada tabel 11-11 berikut. D. ANALISIS VARIANSI DALAM REGRESI Uji anova juga dapat diterapkan ke dalam analisis regresi. derajad kepercayaan harus diperbesar menjadi 98.Statistika Inferensial---------------------------------------------------------------------------------------------------ditetapkan adalah sebesar 5 persen. Nilai SST dibagi dengan N-1. Nilai 5 persen > 1.6 persen.. Notasi k adalah cacah koefisien regresi (tanpa konstanta). Uji hipotesis yang sudah dipelajari pada Bab IX dan X adalah uji t atas masing-masing koefisien regresi dan dilakukan secara individual. penerapan uji anova dirasakan menjadi janggal.6 dan 35. seperti biasa. derajad kepercayaan harus diperbesar menjadi 64. yaitu bahwa semua koefisien regresi tidak berbeda dengan nol Ha: a ≠ b ≠ c ≠ . menawarkan uji hipotesis atas koefisien-koefisien regresi secara serempak hanya dalam satu kali pengujian. Uji anova. sekaligus nilai kritis pada tabel F pada kolom k dan baris (n-k-1). Dalam hal regresi sederhana. risiko kesalahan adalah sebesar 1. Prosedur umum yang dilakukan dalam uji anova dalam analisis regresi adalah sebagai berikut (1) Uji anova. Sungguhpun demikian. dimulai dengan penetapan hipotesis nol Ho: a = b = c = . Nilai P hasil olahan Minitab adalah masing-masing sebesar 1. sehubungan dengan warna nilai 5 persen < 35.

Statistika Inferensial---------------------------------------------------------------------------------------------------- ======================================== Bab XI: Analisis Variansi 218 .

37 2094.76 10. hasil regresi majemuk tabel 10-4 ditampilkan lagi menjadi tabel 11-12.00 43.48 177.84 244.90 -23.64 31.19 0.76 45.08 ======================================== Bab XI: Analisis Variansi 219 .20 155.68 13628.14 -38.85 148.71 36.26 192.93 5.74 -12.38 -10.20 176.40 246.34 5.66 273.73 17.22 257.41 2067.18 62.00 196. sehingga terlihat jelas wilayah penerimaan Ho dan penolakan Ho.37 -28.74 -24.42 -7.94 -33.28 44.05 221.33 34.76 27.94 11.84 545.46 0 ỹ -44.22 20.64 -24.40 -6.61 0.94 209.41 67.76 36. Ambil simpulan.84 -26.18 137.01 -36.43 189.87 -1.44 2019.23 1.20 200.04 16521.55 237.50 240.84 y -32.19 10.56 2.77 0 e2 140.53 -27.40 -11.60 207.20 200.90 8.47 172.66 116.07 3414.36 2.68 1500.56 39.84 Ỹ 156.24 3162.54 546.30 761.60 246.04 1319.41 29.83 163.94 49.29 1565.84 -4.36 -23.90 167. Contoh penerapan anova ke dalam analisis regresi disampaikan dengan mengacu pada hasil-hasil regresi pada Bab X.24 7.91 564.14 30.56 45.64 201.22 1882.81 1573. Simpulan seyogyanya disusun dalam kalimat yang tegas disesuaikan dengan pokok persoalan yang diajukan.90 96.91 7.55 429.88 759.93 177.92 3.60 211.64 6.03 -5.27 -16.92 3.43 194.53 1361.64 -9.85 3.80 e 11.90 224.83 -1.16 234.38 56.76 115.06 2893.66 2.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-11 (4) (5) (6) Bandingkan antara hasil langkah (3) dan langkah (2) Sejauh mungkin gambarkan ke dalam gambar distribusi F.06 23.20 191.66 39.84 369.48 -3.10 176.16 806.18 1131. Untuk jelasnya.30 3414.00 174.63 63.33 606.40 240.12 1002.70 162.80 195.61 1156.48 46.24 0 y2 1032.79 709. Tabel 11-12 Tahun 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Jumlah Rerata Y 168.60 -19.42 616.88 ỹ2 1936.64 -44.09 188.55 6.60 228.96 6.

Pengujian selengkapnya ditampilkan pada tabel 11-13 berikut.X1 + c.74 Tabel F 0.Statistika Inferensial---------------------------------------------------------------------------------------------------Pertanyaan yang pantas diajukan adalah apakah modal sendiri dan modal dari pihak ketiga secara berbarengan mampu meningkatkan profit yang diraup? Penyelesaian: (a) dengan model persamaan regresi Y = a + b.05 2 ----------------------------------------------1 … 2 … 3 … … … … 14 3. keterangan yang sudah didapat adalah SST (yaitu ∑y2). dan SSE (yaitu ∑e2). SSC (dalam hal ini adalah SSR. a) Baris: (17 – 2 – 1) = 14 Didapatkan angka: 3. Tabel F yang sesuai adalah Kolom: 2 (cacah koefisien regresi di luar konstanta. ======================================== Bab XI: Analisis Variansi 220 . yaitu ∑ỹ2).74 Gambar 11-5 (c) Berdasarkan tabel 11-12.74 n … 3. sum of square regression.X2 maka Ho: a = b = c Ha: a ≠ b ≠ c (b) Misalkan α disepakati sebesar 5 persen.

0773 16521. baik satu jalur maupun dua jalur. Simpulan di atas juga dapat langsung disidik dari p-value pada kolom terakhir. Mengikuti hasil uji t.0005 persen. Kasus model regresi atas data profit.8015 2893. Jikalau terjadi perbedaan. ada satu catatan penting yang perlu digarisbawahi. uji beda nilai dua rerata. Artinya keduanya digunakan secara bersama-sama sehingga juga perlu ditampilkan dalam laporan hasil regresi. agar Ho diterima. simpulan yang dapat diperoleh adalah bahwa modal sendiri dan modal dari pihak lain secara bersama-sama berpengaruh secara signifikan terhadap profit. risiko yang ditetapkan setidaknya harus 0. koefisien modal pihak ketiga tidak signifikan. Sungguhpun demikian. Uji anova. Menutup pembahasan mengenai anova ini. Secara teknis matematika statistika. kontroversi sering muncul. Uji anova dan uji t dalam riset yang sesungguhnya diperlakukan bukannya suplemen (substitutif) melainkan komplemen. Inilah esensi sebuah riset yang sebenarnya.8788 MS 6814. logika. maka tanpa melihat tabel F pun. menurut uji anova kedua jenis modal – kebetulan – mampu memberikan dorongan bagi peningkatan profit. akan jelas bahwa Ho tidak diterima. secara kolektifpun mestinya juga demikian. penggunaan anova harus dimbangi dengan alat analisis lain. jika secara individu suatu variabel berpengaruh secara signifikan. dan sentuhan diplomasi memegang peranan kunci dalam menangkal kontroversi ini.4008 206.000005 (d) Nilai F hitung pada kenyataannya lebih besar daripada nilai kritis (periksa gambar 11-5). kelemahan yang kedua adalah anova juga belum mampu memberikan klarifikasi peringkat subpopulasi manakah yang terbesar hingga subpopulasi yang terkecil. Dengan menyadari kelemahan hal ini. uji F lebih kuat (powerful) daripada uji t sehingga uji anova lebih layak untuk menjadi acuan pengambilan keputusan atas signifikansi koefisien regresi (periksa kembali konsep dasar uji anova pada lembar-lembar pertama di bab ini). ======================================== Bab XI: Analisis Variansi 221 .Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-13 SSR SSE SST DF 2 14 16 SS 13628. Hasil uji manakah yang semestinya dipercayai? Menghadapi kasus semacam ini. peneliti harus mampu memberikan penjelasan dengan jitu atas dasar fakta riil yang terjadi di lapangan. Logikanya. Sementara. Kendati demikian. dan sejenisnya. Kesemuanya ini seyogyanya ditempuh agar permasalahannya terselesaikan dengan tuntas sesuai dengan sasaran yang dituju.6484 F 32. Kejelian. kelemahan yang masih tersisa pada anova ini adalah ia belum mampu menjelaskan mengapa perbedaan tersebut terjadi. menawarkan banyak manfaat dalam mengkaji perbedaan variansi antara beberapa subpopulasi dan beberapa subblok. Jadi pada contoh di atas. misalnya uji rerata. Hal ini dapat dimaklumi mengingat p-value sesungguhnya menunjukkan besaran α untuk menerima Ho. Jika p-value besarnya lebih kecil dari risiko kesalahan yang semula ditetapkan (5 persen). Dengan demikian. modal sendiri.9758 P-value 0. yaitu memuaskan rasa ingin tahu yang tidak pernah padam. dan modal pihak ketiga di atas adalah contoh yang amat baik untuk menunjukkan hal ini.

Mengembangkan soal nomor 1 di atas.00 80.00 80.00 PTS B 120.00 100.00 100.00 120.00 PTS B 120.00 100.00 C 100.00 120.00 C 100. Data berikut memperlihatkan uang saku mahasiswa per bulan dari tiga perguruan tinggi swasta yang disurvey pada suatu ketika.00 100. apakah ada perbedan yang signifikan atas uang saku rerata dari ke tiga PTS tersebut di atas? Mahasiswa Semester Sampel 2 4 6 A 80.00 100.00 120. Mahasiswa Sampel 1 2 3 4 A 80.00 100. jika mahasiswa ditelusur lebih lanjut atas dasar semester ke berapa mereka sedang menempuh studinya.00 80.00 Apakah ada perbedan yang signifikan atas uang saku rerata dari ke tiga PTS tersebut di atas? 2.00 ======================================== Bab XI: Analisis Variansi 222 .00 100. 3. Enam mahasiswa mengikuti ujian di sebuah ruangan.00 80.00 100.Statistika Inferensial---------------------------------------------------------------------------------------------------KONSEP-KONSEP PENTING BAB INI Analisis Variansi Satu Jalur Analisis Variansi Dua Jalur Rerata Kolom Rerata Baris Rerata Total Variansi Total Variansi Kolom Variansi Baris Variansi Kesalahan Analisis Variansi dalam Regresi Tabel F SOAL-SOAL LATIHAN 1. Tempat duduk ke enam mahasiswa disusun ke dalam denah tertentu dengan hasil/nilai sebagai berikut: 1 2 I 65 70 II 70 65 III 80 75 Pertanyaan: Apakah ke-6 mahasiswa peserta ujian tersebut saling bekerja sama (contek-contekan) atau tidak? Jelaskan jawaban Anda.

90 45.00 4.80 40.19 5. Anda membawahi 6 orang operator yang secara berkelanjutan mengerjakan 4 jenis mesin.20 E 42. tenaga kerja.90 40. dan kapital yang ada selama 6 minggu melakukan proses produksi Minggu ke 1 2 3 4 5 6 Tenaga Kerja 5 7 8 10 12 15 Kapital 2 4 6 7 9 10 Produksi 12 16 19 24 30 39 Ujilah apakah tenaga kerja dan modal secara simultan mempengaruhi besaran produksi untuk tiap minggunya. Suatu saat Anda melakukan uji petik dengan mencatat lamanya (detik) masing-masing karyawan melakukan tugasnya di tiap-tiap mesin. II.30 B 39.52 3.92 4. Hasil wawancara disajikan berikut.50 44.90 F 43.50 42. hingga mesin keempat. Bandingkan dengan uji t atas koefisien regresi masing-masing.39 3.30 41.71 3.21 4. Misalkan Anda adalah seorang manager produksi.50 39.10 42.79 3.00 100.10 E 4.50 42.60 43.60 39.14 3. Data berikut ini menunjukkan jumlah produksi. Sampel 1 2 3 A 3.30 40.82 4.30 43. berikan pandangan Anda apakah prediksi kelima analis tersebut pada dasarnya sama? 5.10 45.64 Prediksi Harga Saham di 5 Bursa B C D 4.90 42.20 41.20 Operator C D 39. konsistenkah simpulan Anda? ======================================== Bab XI: Analisis Variansi 223 .00 100.40 43. Tiga orang analis pasar modal diwawancarai oleh satu tabloid ekonomi dan bisnis tentang prediksi kenaikan harga saham (dalam persen) yang akan terjadi masingmasing di lima bursa efek.96 4.Statistika Inferensial---------------------------------------------------------------------------------------------------8 120. Hasilnya sebagai berikut. mulai mesin I . Mesin I II III IV A 42.93 4.50 44.10 40.89 5.30 Bagaimanakah evaluasi yang dapat Anda berikan kepada manager puncak (atasan Anda) perihal kinerja karyawan secara umum? 6.20 Analis Pasar Modal Jika Anda juga seorang analis pasar modal.

1 2 3 4 5 Nilai/Skor/ Rating 5 4 3 2 1 Kategori Sangat Baik Baik Sedang Buruk Sangat Buruk Jumlah Resepsionis I 5 orang 15 orang 25 orang 10 orang 5 orang 60 orang Resepsionis II 5 orang 10 orang 25 orang 5 orang 5 orang 50 orang Resepsionis II 10 orang 15 orang 20 orang 10 orang 10 orang 65 orang Misalkan Anda sebagai manajer hotel yang bersangkutan. Y.Statistika Inferensial---------------------------------------------------------------------------------------------------7. Hasil pencatatan sampel terhadap daya tahan 3 tipe HP merek X. apakah Anda hendak menjual produk dengan harga yang berbeda-beda? 8. No. dan Z yang direndam dalam air (menunjukkan lama waktu HP akan mati (jam)): -----------------------------------------------------------------------sampel 1 2 3 4 5 6 -----------------------------------------------------------------------Tipe X 1000 1100 1100 1200 1100 1000 Tipe Y 1000 1100 1200 1250 1200 1100 Tipe Z 1100 1200 1000 1200 1000 1100 -----------------------------------------------------------------------Bila Anda sebagai seorang manager perusahaan HP tersebut. apakah resepsionis kedua adalah yang relatif paling buruk kinerjanya? ======================================== Bab XI: Analisis Variansi 224 . Tabel berikut menunjukkan penilaian tamu hotel yang menginap (dinyatakan dalam orang) yang diberikan kepada 3 orang resepsionis sebuah hotel di Jakarta.

Sign up to vote on this title
UsefulNot useful