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

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

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

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

5)2 + (9-8.5)2 = SSCD = (14-10.88 ----------------+ 56.09 = 8.5)2 = = 20.5 = 9.125)2 + … + (10-10.25)2 + (9-11.125 Atas dasar nilai-nilai rerata di atas.125)2 + (11-10.5)2 + (11-8.5)2 + (8-9.25)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)2 + (8-8.50 SSCC = (11-9. SSCA = (15-11.125)2 + (10-10.50 9.5)2 + (7-8.125)2 = 16. ======================================== Bab XI: Analisis Variansi 205 .5 = 11.63 Hasil perhitungan SSC detailnya disajikan pada tabel 11-4 berikut. perhitungan nilai-nilai variansi sudah dapat dimulai.5)2 + (8-9.5)2 + (11-9.Statistika Inferensial---------------------------------------------------------------------------------------------------15 + 11 + 10 + 9 µ A = -------------------= 11.75 9.5)2 + (9-9.5)2 + (8-8.25)2 + (11-11.5)2 + (10-9.25)2 + (10-11.

25 9.38 9.09)2 + (11-10.25 0.27 4.02 1.82 4.25 9.38 4.06 0.50 D 8.63 = 31.82 0.38 1.20 B 4.= 10.25 2.01 1.82 0.25 0.09)2 Hasil perhitungan SST detailnya disajikan pada tabel 11-5 berikut.82 4.09)2 + (10-10. Tabel 11-5 Sampel 1 2 3 4 5 6 7 8 A 24.57 1.25 0.25 2.50 C 2.82 3.20 0.63 3.27 0.07 0.06 1. nilai statistika F-rasio dapat dihitung sebesar ======================================== Bab XI: Analisis Variansi 206 .01 1.25 2.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-4 Sampel A 14. SSE = 87.09)2 + … + (12-10.21 Sejalan dengan itu.77 0.63 SST= 0.= 2.63 Jumlah 20.38 4.25 6.27 SSC= 16.52 0.84 – 56.38 C 0.77 1.01 D 15.82 0.88 56.01 87.26 0.25 2.63 ------.84 Selanjutnya.75 SST = (15-10.20 0.56 5.06 B 0.02 0.25 0.25 0.21 ------.84 = 87.20 0.83 20 31. rerata tiap sumber variansi dapat dihitung MSC = 56.40 3 MSE = Atas dasar informasi di atas.

======================================== Bab XI: Analisis Variansi 207 .10 ini adalah sebagai ancangan penerimaan atau penolakan Ho (periksa gambar 11-2). dan v2 = n-k = 24 – 4 = 20 dari tabel F statistik didapatkan sebesar 3. Tabel F 0. Nilai 3.83 3.10 Gambar 11-2 Hasil cetakan paket program komputer Minitab tabel 11-6 membenarkan hasil perhitungan manual di atas.67 Nilai kritis untuk α – misalkan pada tingkat 5 persen – dengan v1= k-1 = 4 – 1 = 3.10 n … 3.05 3 ----------------------------------------------1 … 2 … 3 … … … … 20 3.Statistika Inferensial---------------------------------------------------------------------------------------------------MSE F-rasio = ------MSC = = 10.40 ------2.10.

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

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

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

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

75)2 + (9-7.75)2 + (7.17 B 0.56 Jumlah 2.00 = 7.33 = 9.33-7.50 û3 = = 9. SSC = (7.00 û2 = = 7.25 ======================================== Bab XI: Analisis Variansi 212 .75)2 + (7.75)2 SSC A 0.08 = 2.75 Nilai rerata total adalah 6 + 7 + 9 + … + 9 + 8 + 10 + 12 µ T = ---------------------------------------12 = 7.17 D 1.33 = 7.33-7.33-7. perhitungan nilai-nilai variansi sudah dapat dimulai.80 × 3 = 6.80 Hasil di atas kemudian masih harus dikalikan dengan cacah baris SSC = 2.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 Atas dasar nilai-nilai rerata di atas.17 C 0.

5)2 = 7.Statistika Inferensial---------------------------------------------------------------------------------------------------SSR = (6-7.75)2 + (7.75-7.13 ======================================== Bab XI: Analisis Variansi 213 .75)2 + (9.5-7.

06 0.25 – 6.56 1.75)2 + (7-7.56 1.06 18. SSE SSE = SST – SSC – SSR = 44.= 2.56 0.75)2 Hasil perhitungan SST detailnya disajikan pada tabel 11-9 berikut.25 ------.06 9. Tabel 11-9 1 2 3 Jumlah A 3.06 3.19 D 0. + (10-7.25 2 6.19 C 3. rerata tiap variansi dapat dihitung MSR = 28.56 0..75)2 + .06 18.69 Jumlah = 44.75)2 + (12-7.25 – 28.Statistika Inferensial---------------------------------------------------------------------------------------------------SSR 1 2 3 Jumlah 3.58 6 MSC = MSE = Atas dasar informasi di atas.08 3 9.19 B 7.13 × 4 = 28.25 44.50 SST = (6-7.50 ------.56 5.= 1.5 = 9.25 Selanjutnya.06 0. nilai statistika F-rasio dapat dihitung sebesar ======================================== Bab XI: Analisis Variansi 214 .= 14.06 4.50 Sejalan dengan temuan-temuan di atas.50 ------.00 7.06 11..13 Hasil di atas kemudian masih harus dikalikan dengan cacah kolom SSR = 7.06 5.

Nilai-nilai ini adalah sebagai ancangan penerimaan atau penolakan Ho (periksa gambar 11-4).Statistika Inferensial---------------------------------------------------------------------------------------------------F-rasio(1) = MSC ------MSE 2.58 9. dan v2 = (b-1) × (k-1) = 2 × 3 = 6 dari tabel F statistik didapatkan masing-masing sebesar 4.32 MSR ------MSE 14.08 ------1.07 dan 4.58 1.25 ------1.00 = = F-rasio(2) = = = Nilai kritis (1) untuk α – misalkan pada tingkat 5 persen – dengan v1= k-1 = 4 – 1 = 3.26. ======================================== Bab XI: Analisis Variansi 215 . dan v2 = (b-1) × (k-1) = 2 × 3 = 6 Nilai kritis (2) untuk α – misalkan 5 persen – dengan v1= b-1 = 3 – 1 = 2.

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

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

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

03 -5. Contoh penerapan anova ke dalam analisis regresi disampaikan dengan mengacu pada hasil-hasil regresi pada Bab X.80 195.55 237.54 546.55 6.56 39.10 176.60 246.18 1131.76 10.76 45.64 6.85 3.30 3414.40 246.84 y -32.64 -9.48 -3.81 1573.83 163.43 194.88 ỹ2 1936.40 -6.53 -27.56 2.20 155.06 23. Untuk jelasnya.04 1319. Ambil simpulan.84 Ỹ 156.24 3162.41 67.33 34.20 200.07 3414.04 16521.06 2893.84 -26.05 221.66 273.27 -16.37 2094.00 43. Tabel 11-12 Tahun 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Jumlah Rerata Y 168.55 429.91 564.30 761.00 174.60 -19. Simpulan seyogyanya disusun dalam kalimat yang tegas disesuaikan dengan pokok persoalan yang diajukan.26 192.93 177.90 224.24 0 y2 1032.64 -24.00 196.09 188.48 46.18 62.60 228.90 167.12 1002.61 1156.16 234.36 2.88 759.34 5.66 39.84 369.50 240.41 2067.94 209.64 -44.84 244.53 1361.20 200.60 211.33 606.73 17.22 1882.74 -24.40 240.42 616.90 96.93 5.61 0.43 189.18 137.92 3.29 1565.66 2.84 545.46 0 ỹ -44.96 6.41 29. sehingga terlihat jelas wilayah penerimaan Ho dan penolakan Ho.74 -12.66 116.64 31.48 177.79 709.42 -7.70 162.94 11.19 10.63 63. hasil regresi majemuk tabel 10-4 ditampilkan lagi menjadi tabel 11-12.92 3.76 115.19 0.44 2019.68 13628.94 49.91 7.37 -28.38 -10.85 148.68 1500.71 36.90 -23.08 ======================================== Bab XI: Analisis Variansi 219 .Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-11 (4) (5) (6) Bandingkan antara hasil langkah (3) dan langkah (2) Sejauh mungkin gambarkan ke dalam gambar distribusi F.76 27.90 8.64 201.16 806.24 7.83 -1.84 -4.47 172.22 257.23 1.22 20.20 176.14 -38.76 36.80 e 11.94 -33.20 191.56 45.28 44.36 -23.01 -36.87 -1.60 207.38 56.77 0 e2 140.14 30.40 -11.

X1 + c.74 n … 3. yaitu ∑ỹ2). keterangan yang sudah didapat adalah SST (yaitu ∑y2).05 2 ----------------------------------------------1 … 2 … 3 … … … … 14 3.X2 maka Ho: a = b = c Ha: a ≠ b ≠ c (b) Misalkan α disepakati sebesar 5 persen. ======================================== Bab XI: Analisis Variansi 220 .74 Tabel F 0. dan SSE (yaitu ∑e2). Tabel F yang sesuai adalah Kolom: 2 (cacah koefisien regresi di luar konstanta. a) Baris: (17 – 2 – 1) = 14 Didapatkan angka: 3. Pengujian selengkapnya ditampilkan pada tabel 11-13 berikut. SSC (dalam hal ini adalah SSR.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. sum of square regression.74 Gambar 11-5 (c) Berdasarkan tabel 11-12.

Sementara. Dengan demikian. ada satu catatan penting yang perlu digarisbawahi. kelemahan yang masih tersisa pada anova ini adalah ia belum mampu menjelaskan mengapa perbedaan tersebut terjadi. Kendati demikian. peneliti harus mampu memberikan penjelasan dengan jitu atas dasar fakta riil yang terjadi di lapangan. modal sendiri. Inilah esensi sebuah riset yang sebenarnya. Sungguhpun demikian. koefisien modal pihak ketiga tidak signifikan. Kejelian. Menutup pembahasan mengenai anova ini. yaitu memuaskan rasa ingin tahu yang tidak pernah padam. dan sejenisnya. secara kolektifpun mestinya juga demikian. Kesemuanya ini seyogyanya ditempuh agar permasalahannya terselesaikan dengan tuntas sesuai dengan sasaran yang dituju.000005 (d) Nilai F hitung pada kenyataannya lebih besar daripada nilai kritis (periksa gambar 11-5).6484 F 32. dan sentuhan diplomasi memegang peranan kunci dalam menangkal kontroversi ini. misalnya uji rerata. simpulan yang dapat diperoleh adalah bahwa modal sendiri dan modal dari pihak lain secara bersama-sama berpengaruh secara signifikan terhadap profit. menurut uji anova kedua jenis modal – kebetulan – mampu memberikan dorongan bagi peningkatan profit. kelemahan yang kedua adalah anova juga belum mampu memberikan klarifikasi peringkat subpopulasi manakah yang terbesar hingga subpopulasi yang terkecil. akan jelas bahwa Ho tidak diterima. Hal ini dapat dimaklumi mengingat p-value sesungguhnya menunjukkan besaran α untuk menerima Ho.9758 P-value 0. menawarkan banyak manfaat dalam mengkaji perbedaan variansi antara beberapa subpopulasi dan beberapa subblok. Dengan menyadari kelemahan hal ini. Logikanya. Secara teknis matematika statistika. Uji anova.0005 persen.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-13 SSR SSE SST DF 2 14 16 SS 13628. ======================================== Bab XI: Analisis Variansi 221 . 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. dan modal pihak ketiga di atas adalah contoh yang amat baik untuk menunjukkan hal ini. Jika p-value besarnya lebih kecil dari risiko kesalahan yang semula ditetapkan (5 persen). risiko yang ditetapkan setidaknya harus 0. Artinya keduanya digunakan secara bersama-sama sehingga juga perlu ditampilkan dalam laporan hasil regresi. Mengikuti hasil uji t. baik satu jalur maupun dua jalur. agar Ho diterima. Jikalau terjadi perbedaan. Hasil uji manakah yang semestinya dipercayai? Menghadapi kasus semacam ini.8015 2893. Jadi pada contoh di atas.4008 206.8788 MS 6814. Kasus model regresi atas data profit. uji beda nilai dua rerata.0773 16521. logika. maka tanpa melihat tabel F pun. penggunaan anova harus dimbangi dengan alat analisis lain. kontroversi sering muncul. jika secara individu suatu variabel berpengaruh secara signifikan. 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).

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

Mesin I II III IV A 42.30 Bagaimanakah evaluasi yang dapat Anda berikan kepada manager puncak (atasan Anda) perihal kinerja karyawan secara umum? 6.Statistika Inferensial---------------------------------------------------------------------------------------------------8 120.21 4.40 43.82 4.30 B 39. tenaga kerja.79 3. Bandingkan dengan uji t atas koefisien regresi masing-masing.93 4.00 100. Anda membawahi 6 orang operator yang secara berkelanjutan mengerjakan 4 jenis mesin.90 45. 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. Misalkan Anda adalah seorang manager produksi. 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.89 5. Hasil wawancara disajikan berikut.20 41.50 44.20 Operator C D 39.10 45.64 Prediksi Harga Saham di 5 Bursa B C D 4.90 40.39 3. Hasilnya sebagai berikut.90 F 43. mulai mesin I .92 4.80 40.90 42. hingga mesin keempat.20 Analis Pasar Modal Jika Anda juga seorang analis pasar modal. II. berikan pandangan Anda apakah prediksi kelima analis tersebut pada dasarnya sama? 5.00 100.50 42.52 3. konsistenkah simpulan Anda? ======================================== Bab XI: Analisis Variansi 223 .50 42.50 39.10 E 4.96 4.60 43. Sampel 1 2 3 A 3.19 5.30 43.30 40.30 41. Suatu saat Anda melakukan uji petik dengan mencatat lamanya (detik) masing-masing karyawan melakukan tugasnya di tiap-tiap mesin.71 3.50 44.10 42.20 E 42. Data berikut ini menunjukkan jumlah produksi.60 39.00 4.14 3.10 40.

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. Hasil pencatatan sampel terhadap daya tahan 3 tipe HP merek X.Statistika Inferensial---------------------------------------------------------------------------------------------------7. Tabel berikut menunjukkan penilaian tamu hotel yang menginap (dinyatakan dalam orang) yang diberikan kepada 3 orang resepsionis sebuah hotel di Jakarta. apakah Anda hendak menjual produk dengan harga yang berbeda-beda? 8. No. apakah resepsionis kedua adalah yang relatif paling buruk kinerjanya? ======================================== Bab XI: Analisis Variansi 224 . 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.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.