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

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

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

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

5)2 + (8-9.88 ----------------+ 56.5)2 + (9-8.5 = 11.5)2 + (7-8.5)2 + (8-9.125)2 + … + (10-10.75 9.50 SSCC = (11-9.25)2 + (9-11. perhitungan nilai-nilai variansi sudah dapat dimulai.5)2 + (11-9.5 = 9.125 Atas dasar nilai-nilai rerata di atas.5)2 + (10-9.63 Hasil perhitungan SSC detailnya disajikan pada tabel 11-4 berikut.125)2 = 16.50 9.Statistika Inferensial---------------------------------------------------------------------------------------------------15 + 11 + 10 + 9 µ A = -------------------= 11.5)2 + (8-8.5)2 = = 20.09 = 8.125)2 + (10-10.25 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 = 10.25)2 + (10-11.5)2 + (8-8. ======================================== Bab XI: Analisis Variansi 205 .25)2 SSCB = (8-8.25)2 + (11-11.125)2 + (11-10. SSCA = (15-11.5)2 = SSCD = (14-10.5)2 + (9-9.5)2 + (11-8.

27 0.63 = 31.01 1.56 5.02 0.84 – 56.25 0.09)2 + … + (12-10.38 C 0. nilai statistika F-rasio dapat dihitung sebesar ======================================== Bab XI: Analisis Variansi 206 .63 3.26 0.52 0.25 0.25 9.82 0.21 ------.63 Jumlah 20. rerata tiap sumber variansi dapat dihitung MSC = 56.63 ------.25 2.01 87.38 1.25 0.50 D 8.25 0.38 9.01 1.88 56.09)2 Hasil perhitungan SST detailnya disajikan pada tabel 11-5 berikut.25 9. SSE = 87.50 C 2.06 B 0.21 Sejalan dengan itu.77 1.38 4.63 SST= 0.20 0.38 4.= 2.02 1.82 3.06 1.83 20 31.82 0.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-4 Sampel A 14.25 6. Tabel 11-5 Sampel 1 2 3 4 5 6 7 8 A 24.77 0.20 B 4.07 0.27 SSC= 16.09)2 + (10-10.25 2.25 2.09)2 + (11-10.40 3 MSE = Atas dasar informasi di atas.75 SST = (15-10.82 4.20 0.57 1.25 2.06 0.01 D 15.84 = 87.25 0.82 4.84 Selanjutnya.82 0.27 4.20 0.= 10.

======================================== Bab XI: Analisis Variansi 207 .10.10 n … 3.40 ------2.10 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. dan v2 = n-k = 24 – 4 = 20 dari tabel F statistik didapatkan sebesar 3. Nilai 3. Tabel F 0.10 Gambar 11-2 Hasil cetakan paket program komputer Minitab tabel 11-6 membenarkan hasil perhitungan manual di atas.83 3.05 3 ----------------------------------------------1 … 2 … 3 … … … … 20 3.

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

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

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

kuning. Contoh aplikasi anova dua arah disajikan berikut. 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. Besar Penyelesaian soal di atas diawali dengan penetapan hipotesis. (k-1). Banyaknya produk kecantikan yang terjual selama satu minggu untuk masingmasing kemasan dicatat (terlampir tabel 11-8). Sejauh mungkin butir-butir simpulan yang ditarik disesuaikan dengan persoalan yang diajukan mula-mula. (n-b)] sebagai nilai kritis (7). sedang.33 ======================================== Bab XI: Analisis Variansi 211 . Hipotesis awal dinyatakan sebagai semua kelompok populasi memiliki rerata yang sama. langkah berikutnya adalah menghitung nilai rerata. Sedang 3. dan F (rasio antara MSE dan MSC) (6). Untuk mengetahui apakah ada pengaruh kemasan (warna dan ukuran kemasan) suatu produk kecantikan terhadap penjualannya. Kecil 2. Dengan menggunakan α = 5 persen. Tentukan nilai F-tabel pada posisi [α . MSE (Mean Square Error). dan besar. biru. Ambil simpulan. Hipotesis alternatif ditetapkan sebagai paling tidak ada dua kelompok populasi yang memiliki rerata yang tidak sama. 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. Hitunglah perhitungan statistikanya yang mencakup MSC (Mean Square Column). dan hijau dengan ukuran kemasan kecil. sebuah pabrik alat-alat kecantikan melakukan pengujian dengan membuat kemasan berwarna: merah.Statistika Inferensial---------------------------------------------------------------------------------------------------(5). MSR (Mean Square Row). Bandingkan F-hitung dan F-tabel (8). Nilai rerata kelompok subpopulasi masing-masing adalah 6+7+9 µ A = ----------3 = 7.

80 × 3 = 6.75)2 + (7.17 B 0.00 û2 = = 7.17 D 1.50 û3 = = 9.33-7. perhitungan nilai-nilai variansi sudah dapat dimulai.33 = 7.33-7.25 ======================================== Bab XI: Analisis Variansi 212 .75 Nilai rerata total adalah 6 + 7 + 9 + … + 9 + 8 + 10 + 12 µ T = ---------------------------------------12 = 7.00 = 7.75)2 + (9-7.17 C 0.75)2 SSC A 0.33 = 9. SSC = (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 = 6.33-7.75 Atas dasar nilai-nilai rerata di atas.56 Jumlah 2.80 Hasil di atas kemudian masih harus dikalikan dengan cacah baris SSC = 2.08 = 2.75)2 + (7.

75-7.5)2 = 7.75)2 + (7.5-7.75)2 + (9.13 ======================================== Bab XI: Analisis Variansi 213 .Statistika Inferensial---------------------------------------------------------------------------------------------------SSR = (6-7.

06 11.25 – 6.5 = 9.19 B 7..56 1.25 ------.75)2 Hasil perhitungan SST detailnya disajikan pada tabel 11-9 berikut.56 0.25 – 28.06 5.06 0.75)2 + . Tabel 11-9 1 2 3 Jumlah A 3.50 Sejalan dengan temuan-temuan di atas.50 ------..06 18.06 9.56 1.06 4.69 Jumlah = 44.25 2 6.58 6 MSC = MSE = Atas dasar informasi di atas.19 D 0.13 × 4 = 28.06 3.75)2 + (7-7.50 SST = (6-7.= 1.19 C 3.= 14. nilai statistika F-rasio dapat dihitung sebesar ======================================== Bab XI: Analisis Variansi 214 .06 0.06 18.08 3 9.25 Selanjutnya.25 44. + (10-7.00 7.75)2 + (12-7.13 Hasil di atas kemudian masih harus dikalikan dengan cacah kolom SSR = 7.= 2.56 0. SSE SSE = SST – SSC – SSR = 44.Statistika Inferensial---------------------------------------------------------------------------------------------------SSR 1 2 3 Jumlah 3.56 5. rerata tiap variansi dapat dihitung MSR = 28.50 ------.

Statistika Inferensial---------------------------------------------------------------------------------------------------F-rasio(1) = MSC ------MSE 2.58 1.26. dan v2 = (b-1) × (k-1) = 2 × 3 = 6 Nilai kritis (2) untuk α – misalkan 5 persen – dengan v1= b-1 = 3 – 1 = 2.00 = = F-rasio(2) = = = Nilai kritis (1) untuk α – misalkan pada tingkat 5 persen – dengan v1= k-1 = 4 – 1 = 3. Nilai-nilai ini adalah sebagai ancangan penerimaan atau penolakan Ho (periksa gambar 11-4). ======================================== Bab XI: Analisis Variansi 215 .08 ------1.07 dan 4.32 MSR ------MSE 14.58 9. dan v2 = (b-1) × (k-1) = 2 × 3 = 6 dari tabel F statistik didapatkan masing-masing sebesar 4.25 ------1.

Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel F 0.26 Hasil cetakan paket program komputer Minitab tabel 11-10 membenarkan hasil perhitungan manual di atas. Terkait dengan efek kolom (warna kemasan). Tabel 11-10 Terkait dengan klasifikasi baris.14 4. Sejak awal.76 … … … n … … 4. simpulan yang dapat ditarik adalah dengan bahwa derajad kepercayaan sebesar 95 persen tidak ada pengaruh warna kemasan terhadap penjualan. dengan membandingkan antara F hitung dan F tabel. dengan membandingkan antara F hitung dan F tabel.05 2 3 ----------------------------------------------1 … … 2 … … 3 … … … 6 5.07 Gambar 11-4 4. 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. risiko yang ======================================== Bab XI: Analisis Variansi 216 .

6 persen. Perhitungan dan perlakuan masing-masing variansi disajikan pada tabel 11-11 berikut. Agar hipotesis awal tidak diterima. Hasil F hitung nantinya akan sama dengan nilai kuadrat atas nilai t hitung. dimulai dengan penetapan hipotesis nol Ho: a = b = c = . sementara K adalah cacah semua koefisien regresi (termasuk konstanta) Masing-masing nilai variansi masih harus dikoreksi dengan derajad kebebasan (degree of freedon. yaitu bahwa semua koefisien regresi berbeda dengan nol (2) Tentukan risiko kesalahan (α ). = k = 0 (nol). Uji hipotesis yang sudah dipelajari pada Bab IX dan X adalah uji t atas masing-masing koefisien regresi dan dilakukan secara individual. dengan koefisien regresi yang dicari hanya satu. risiko kesalahan adalah sebesar 35. Sebaliknya. ANALISIS VARIANSI DALAM REGRESI Uji anova juga dapat diterapkan ke dalam analisis regresi. Penjelasan di atas secara implisit menegaskan bahwa penerapan anova dalam regresi lebih tepat untuk regresi majemuk.. ======================================== Bab XI: Analisis Variansi 217 (3) . nilai SSC yang berasal dari regresi dikoreksi dengan k (K-1).. Nilai 5 persen > 1. Notasi k adalah cacah koefisien regresi (tanpa konstanta). penerapan uji anova dirasakan menjadi janggal. menawarkan uji hipotesis atas koefisien-koefisien regresi secara serempak hanya dalam satu kali pengujian..3 persen. Dengan lain perkataan.3 persen. sehubungan dengan warna nilai 5 persen < 35. Agar hipotesis awal tetap dapat diterima. Nilai P hasil olahan Minitab adalah masing-masing sebesar 1. Ini berarti hipotesis awal tidak diterima. yaitu bahwa semua koefisien regresi tidak berbeda dengan nol Ha: a ≠ b ≠ c ≠ .7 persen. Prosedur umum yang dilakukan dalam uji anova dalam analisis regresi adalah sebagai berikut (1) Uji anova. derajad kepercayaan harus diperbesar menjadi 64. ≠ k ≠ 0 (nol). Nilai SST dibagi dengan N-1. Anova ditempuh dengan membandingkan antara variansi kolom dengan variansi yang tidak terjelaskan. Dalam hal regresi sederhana. sekaligus nilai kritis pada tabel F pada kolom k dan baris (n-k-1).. Uji anova. secara teknis penerapan anova dalam regresi sederhana masih dimungkinkan. Ini berarti hipotesis awal diterima. yaitu menguji signifikansi koefisien-koefisien regresi secara bersama-sama.6 persen. D. selangkah lebih maju. risiko kesalahan adalah sebesar 1. dan nilai SSE disesuaikan dengan N-k-1.4 persen. DF). derajad kepercayaan harus diperbesar menjadi 98. seperti biasa. Dengan lain perkataan.6 dan 35. Sungguhpun demikian.3 persen.Statistika Inferensial---------------------------------------------------------------------------------------------------ditetapkan adalah sebesar 5 persen.

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

26 192.46 0 ỹ -44.90 224.41 2067.19 0.38 -10.37 2094.94 49.06 2893.01 -36.60 211.60 246.48 46.19 10.20 155.92 3.10 176.66 116.18 62.76 115.16 806.76 36.90 167.22 1882.43 194.93 5.56 45.90 8. 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. Ambil simpulan.55 6.64 -44.12 1002.90 96. Untuk jelasnya.66 2.74 -24.44 2019.14 30.30 761.00 43.20 200.42 -7.27 -16.68 13628.24 3162. Simpulan seyogyanya disusun dalam kalimat yang tegas disesuaikan dengan pokok persoalan yang diajukan.36 2.66 273.29 1565.16 234.40 -11.64 -24.84 -4.85 3.04 1319.24 0 y2 1032.80 e 11.84 369.28 44.42 616.07 3414.50 240.77 0 e2 140. sehingga terlihat jelas wilayah penerimaan Ho dan penolakan Ho.90 -23.33 606.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-11 (4) (5) (6) Bandingkan antara hasil langkah (3) dan langkah (2) Sejauh mungkin gambarkan ke dalam gambar distribusi F.08 ======================================== Bab XI: Analisis Variansi 219 .60 -19.76 27.03 -5.55 429.81 1573.14 -38.70 162.00 174.47 172.54 546. Contoh penerapan anova ke dalam analisis regresi disampaikan dengan mengacu pada hasil-hasil regresi pada Bab X.22 20.40 246.66 39. hasil regresi majemuk tabel 10-4 ditampilkan lagi menjadi tabel 11-12.84 Ỹ 156.71 36.91 564.84 545.87 -1.20 200.60 228.40 -6.48 177.84 y -32.68 1500.88 ỹ2 1936.60 207.36 -23.94 209.55 237.33 34.80 195.41 67.43 189.88 759.20 191.48 -3.00 196.37 -28.74 -12.84 -26.34 5.64 6.09 188.24 7.64 -9.23 1.83 163.76 10.56 39.04 16521.94 -33.83 -1.76 45.63 63.79 709.64 31.53 1361.94 11.61 0.92 3.61 1156.40 240.73 17.85 148.18 1131.41 29.56 2.05 221.64 201.06 23.91 7.93 177.38 56.18 137.30 3414.96 6.53 -27.22 257.84 244.20 176.

X2 maka Ho: a = b = c Ha: a ≠ b ≠ c (b) Misalkan α disepakati sebesar 5 persen. sum of square regression.X1 + c.74 Gambar 11-5 (c) Berdasarkan tabel 11-12.74 n … 3. a) Baris: (17 – 2 – 1) = 14 Didapatkan angka: 3. Pengujian selengkapnya ditampilkan pada tabel 11-13 berikut. Tabel F yang sesuai adalah Kolom: 2 (cacah koefisien regresi di luar konstanta. dan SSE (yaitu ∑e2). keterangan yang sudah didapat adalah SST (yaitu ∑y2).05 2 ----------------------------------------------1 … 2 … 3 … … … … 14 3.74 Tabel F 0. ======================================== Bab XI: Analisis Variansi 220 . yaitu ∑ỹ2).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. SSC (dalam hal ini adalah SSR.

logika. Sungguhpun demikian. Hal ini dapat dimaklumi mengingat p-value sesungguhnya menunjukkan besaran α untuk menerima Ho. Kendati demikian. menawarkan banyak manfaat dalam mengkaji perbedaan variansi antara beberapa subpopulasi dan beberapa subblok. modal sendiri. Jadi pada contoh di atas. ada satu catatan penting yang perlu digarisbawahi. menurut uji anova kedua jenis modal – kebetulan – mampu memberikan dorongan bagi peningkatan profit. kontroversi sering muncul.4008 206. kelemahan yang kedua adalah anova juga belum mampu memberikan klarifikasi peringkat subpopulasi manakah yang terbesar hingga subpopulasi yang terkecil. Kesemuanya ini seyogyanya ditempuh agar permasalahannya terselesaikan dengan tuntas sesuai dengan sasaran yang dituju. dan sentuhan diplomasi memegang peranan kunci dalam menangkal kontroversi ini.0773 16521. kelemahan yang masih tersisa pada anova ini adalah ia belum mampu menjelaskan mengapa perbedaan tersebut terjadi. dan modal pihak ketiga di atas adalah contoh yang amat baik untuk menunjukkan hal ini. simpulan yang dapat diperoleh adalah bahwa modal sendiri dan modal dari pihak lain secara bersama-sama berpengaruh secara signifikan terhadap profit. Kejelian. koefisien modal pihak ketiga tidak signifikan.6484 F 32. jika secara individu suatu variabel berpengaruh secara signifikan.8015 2893. risiko yang ditetapkan setidaknya harus 0. agar Ho diterima.000005 (d) Nilai F hitung pada kenyataannya lebih besar daripada nilai kritis (periksa gambar 11-5). Dengan demikian. peneliti harus mampu memberikan penjelasan dengan jitu atas dasar fakta riil yang terjadi di lapangan. Uji anova. uji beda nilai dua rerata. Jika p-value besarnya lebih kecil dari risiko kesalahan yang semula ditetapkan (5 persen).9758 P-value 0. Hasil uji manakah yang semestinya dipercayai? Menghadapi kasus semacam ini. dan sejenisnya.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-13 SSR SSE SST DF 2 14 16 SS 13628. maka tanpa melihat tabel F pun. Dengan menyadari kelemahan hal ini. penggunaan anova harus dimbangi dengan alat analisis lain. Menutup pembahasan mengenai anova ini. Sementara. Kasus model regresi atas data profit. Jikalau terjadi perbedaan. Logikanya. Mengikuti hasil uji t. akan jelas bahwa Ho tidak diterima. Secara teknis matematika statistika. Simpulan di atas juga dapat langsung disidik dari p-value pada kolom terakhir. Uji anova dan uji t dalam riset yang sesungguhnya diperlakukan bukannya suplemen (substitutif) melainkan komplemen. ======================================== Bab XI: Analisis Variansi 221 . secara kolektifpun mestinya juga demikian. yaitu memuaskan rasa ingin tahu yang tidak pernah padam.8788 MS 6814. misalnya uji rerata. Artinya keduanya digunakan secara bersama-sama sehingga juga perlu ditampilkan dalam laporan hasil regresi. 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).0005 persen. baik satu jalur maupun dua jalur. Inilah esensi sebuah riset yang sebenarnya.

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.00 100. 3.00 120.00 C 100.00 80.00 120.00 100. Mahasiswa Sampel 1 2 3 4 A 80.00 ======================================== Bab XI: Analisis Variansi 222 .00 100.00 100.00 PTS B 120.00 C 100.00 100.00 120. Data berikut memperlihatkan uang saku mahasiswa per bulan dari tiga perguruan tinggi swasta yang disurvey pada suatu ketika.00 Apakah ada perbedan yang signifikan atas uang saku rerata dari ke tiga PTS tersebut di atas? 2. jika mahasiswa ditelusur lebih lanjut atas dasar semester ke berapa mereka sedang menempuh studinya. Mengembangkan soal nomor 1 di atas.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 1.00 80.00 80. Enam mahasiswa mengikuti ujian di sebuah ruangan.00 100.00 80.00 PTS B 120.00 100. apakah ada perbedan yang signifikan atas uang saku rerata dari ke tiga PTS tersebut di atas? Mahasiswa Semester Sampel 2 4 6 A 80.

92 4.96 4.20 E 42.82 4.89 5.50 42.21 4.30 43.90 F 43. hingga mesin keempat.20 Analis Pasar Modal Jika Anda juga seorang analis pasar modal.00 100. Misalkan Anda adalah seorang manager produksi.50 44.50 44.90 40.10 42.79 3. Hasil wawancara disajikan berikut. Hasilnya sebagai berikut. konsistenkah simpulan Anda? ======================================== Bab XI: Analisis Variansi 223 . Anda membawahi 6 orang operator yang secara berkelanjutan mengerjakan 4 jenis mesin.50 42.00 100. Sampel 1 2 3 A 3. berikan pandangan Anda apakah prediksi kelima analis tersebut pada dasarnya sama? 5.93 4.14 3. II.30 41. Suatu saat Anda melakukan uji petik dengan mencatat lamanya (detik) masing-masing karyawan melakukan tugasnya di tiap-tiap mesin.30 Bagaimanakah evaluasi yang dapat Anda berikan kepada manager puncak (atasan Anda) perihal kinerja karyawan secara umum? 6.90 45. mulai mesin I .52 3.50 39.19 5.60 39.30 B 39.00 4.10 40.Statistika Inferensial---------------------------------------------------------------------------------------------------8 120.90 42.20 Operator C D 39. Mesin I II III IV A 42. 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. Data berikut ini menunjukkan jumlah produksi.60 43.10 E 4. tenaga kerja.20 41.71 3.64 Prediksi Harga Saham di 5 Bursa B C D 4.30 40. 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.10 45. Bandingkan dengan uji t atas koefisien regresi masing-masing.40 43.39 3.80 40.

Y. 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. Hasil pencatatan sampel terhadap daya tahan 3 tipe HP merek X. apakah Anda hendak menjual produk dengan harga yang berbeda-beda? 8. 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. No.Statistika Inferensial---------------------------------------------------------------------------------------------------7. 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.

Sign up to vote on this title
UsefulNot useful