P. 1
BAB 11 anova

BAB 11 anova

|Views: 2,216|Likes:
Published by zahraniza

More info:

Published by: zahraniza on Sep 15, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

06/17/2013

pdf

text

original

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

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. (2). SSE = SST – SSC Masing-masing nilai variansi masih harus dikoreksi dengan derajad kebebasan (degree of freedon. DF). populasi ke-2 dan seterusnya hingga populasi ke-n. Anova ditempuh dengan membandingkan antara variansi kolom dengan variansi yang tidak terjelaskan. dan nilai SSE disesuaikan dengan N-C. Tabel 11-2 Prinsip-prinsip umum uji anova satu jalur dapat dilaksanakan dengan bebarapa langkah berikut. Perhitungan dan perlakuan masing-masing variansi disajikan pada tabel 11-2 berikut.Statistika Inferensial---------------------------------------------------------------------------------------------------Variansi kolom diperoleh dengan cara mengkuadratkan perbedaan setiap nilai di masing-masing kolom terhadap rerata di tiap kolom. SSC = Σ [Xi – µ k]2 Variansi sisa yang tidak bisa dijelaskan (SSE. 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 .

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

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

88 ----------------+ 56.5)2 + (10-9.5)2 + (11-9.5)2 = = 20. ======================================== Bab XI: Analisis Variansi 205 .Statistika Inferensial---------------------------------------------------------------------------------------------------15 + 11 + 10 + 9 µ A = -------------------= 11.5)2 + (9-8.5)2 + (7-8.5)2 + (11-8.25)2 + (9-11.25 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 = 10.125 Atas dasar nilai-nilai rerata di atas.5)2 + (9-9. SSCA = (15-11.09 = 8.75 9.5)2 + (8-9.125)2 + (10-10.5 = 11.125)2 + … + (10-10.125)2 = 16.50 SSCC = (11-9.25)2 + (11-11.5 = 9.5)2 = SSCD = (14-10.25)2 SSCB = (8-8. perhitungan nilai-nilai variansi sudah dapat dimulai.63 Hasil perhitungan SSC detailnya disajikan pada tabel 11-4 berikut.125)2 + (11-10.5)2 + (8-8.5)2 + (8-9.5)2 + (8-8.25)2 + (10-11.50 9.

20 0.25 0.09)2 Hasil perhitungan SST detailnya disajikan pada tabel 11-5 berikut.25 2.82 4.63 = 31.40 3 MSE = Atas dasar informasi di atas.25 9.84 – 56.27 SSC= 16.84 = 87. Tabel 11-5 Sampel 1 2 3 4 5 6 7 8 A 24.84 Selanjutnya. SSE = 87.52 0.02 1.82 0.50 C 2.01 1.38 4.06 0.56 5.20 0.38 4.50 D 8.63 ------.82 0.25 2.27 4.20 B 4.25 6.88 56.= 10.09)2 + (10-10.75 SST = (15-10.25 2.01 1.82 0.07 0. nilai statistika F-rasio dapat dihitung sebesar ======================================== Bab XI: Analisis Variansi 206 .25 9.06 1.38 9.20 0.27 0.09)2 + … + (12-10.63 3.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-4 Sampel A 14.25 0.25 0. rerata tiap sumber variansi dapat dihitung MSC = 56.83 20 31.82 4.01 87.25 0.63 SST= 0.77 0.38 1.21 ------.38 C 0.09)2 + (11-10.63 Jumlah 20.82 3.25 0.02 0.57 1.06 B 0.01 D 15.21 Sejalan dengan itu.25 2.26 0.77 1.= 2.

10 n … 3.83 3.10 Gambar 11-2 Hasil cetakan paket program komputer Minitab tabel 11-6 membenarkan hasil perhitungan manual di atas.05 3 ----------------------------------------------1 … 2 … 3 … … … … 20 3.10. dan v2 = n-k = 24 – 4 = 20 dari tabel F statistik didapatkan sebesar 3.10 ini adalah sebagai ancangan penerimaan atau penolakan Ho (periksa gambar 11-2). Tabel F 0.40 ------2.Statistika Inferensial---------------------------------------------------------------------------------------------------MSE F-rasio = ------MSC = = 10. ======================================== Bab XI: Analisis Variansi 207 . Nilai 3.67 Nilai kritis untuk α – misalkan pada tingkat 5 persen – dengan v1= k-1 = 4 – 1 = 3.

Asumsi yang mendasarinya tetap sama. Simpulan yang sama juga dapat ditempuh dengan mencermati nilai P (probabilitas) pada kolom terakhir hasil Minitab di atas. Dengan lain perkataan. Nilai P hasil olahan Minitab adalah sebesar 2.1 persen. yaitu populasi terdistribusi normal dan sampel diambil secara acak dari masing-masing populasi. Klasifikasi baris pada umumnya disebut sebagai efek blok (randomized block design).9 persen. anova dua jalur membandingkan dua atau lebih populasi (kolom) sekaligus membandingkan barisnya (periksa gambar 11-3). risiko yang ditetapkan adalah sebesar 5 persen. C. hipotesis awal tidak diterima. ======================================== Bab XI: Analisis Variansi 208 . risiko kesalahan adalah sebesar 2. Sejak awal. ANALISIS VARIANSI DUA LAJUR Analisis variansi dua jalur merupakan pengembangan atas analisis variansi satu jalur. Agar hipotesis awal tetap dapat diterima. Sedikitnya ada satu rerata penjualan produk kecantikan yang berbeda dengan yang lainnya. Konsekuensi atas asumsi ini adalah variansi untuk semua populasi dianggap sama besar.9 persen. simpulan yang dapat ditarik adalah dengan bahwa derajad kepercayaan sebesar 95 persen. Apabila analisis variansi satu jalur hanya memperhatikan perbedaan antar kolom. Ini berarti hipotesis awal tidak diterima. Hal khusus yang terkandung pada uji anova dua jalur adalah perhatian terhadap variansi antarkolom dan sekaligus variasi antarbaris.9 persen. derajad kepercayaan harus diperbesar menjadi 97.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-6 Dengan membandingkan antara F hitung dan F tabel. Nilai 5 persen > 2.

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

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

MSR (Mean Square Row). Besar Penyelesaian soal di atas diawali dengan penetapan hipotesis. Untuk mengetahui apakah ada pengaruh kemasan (warna dan ukuran kemasan) suatu produk kecantikan terhadap penjualannya. dan F (rasio antara MSE dan MSC) (6). (k-1). biru. Nilai rerata kelompok subpopulasi masing-masing adalah 6+7+9 µ A = ----------3 = 7. MSE (Mean Square Error).Statistika Inferensial---------------------------------------------------------------------------------------------------(5). Hipotesis awal dinyatakan sebagai semua kelompok populasi memiliki rerata yang sama. sebuah pabrik alat-alat kecantikan melakukan pengujian dengan membuat kemasan berwarna: merah. dan hijau dengan ukuran kemasan kecil. Ambil simpulan. Banyaknya produk kecantikan yang terjual selama satu minggu untuk masingmasing kemasan dicatat (terlampir tabel 11-8). kuning. Hitunglah perhitungan statistikanya yang mencakup MSC (Mean Square Column). Hipotesis alternatif ditetapkan sebagai paling tidak ada dua kelompok populasi yang memiliki rerata yang tidak sama. (n-b)] sebagai nilai kritis (7). 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. sedang. dan besar. Tentukan nilai F-tabel pada posisi [α . Kecil 2. langkah berikutnya adalah menghitung nilai rerata. Dengan menggunakan α = 5 persen. Contoh aplikasi anova dua arah disajikan berikut. Bandingkan F-hitung dan F-tabel (8). Sedang 3.33 ======================================== Bab XI: Analisis Variansi 211 . Sejauh mungkin butir-butir simpulan yang ditarik disesuaikan dengan persoalan yang diajukan mula-mula. 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.

33-7.17 B 0. SSC = (7.33-7.33 = 9.00 û2 = = 7.33-7.80 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 Nilai rerata total adalah 6 + 7 + 9 + … + 9 + 8 + 10 + 12 µ T = ---------------------------------------12 = 7.17 C 0.56 Jumlah 2.75)2 + (9-7.00 = 7.25 ======================================== Bab XI: Analisis Variansi 212 .75)2 + (7.17 D 1.75)2 SSC A 0.33 = 7.50 û3 = = 9.75)2 + (7. perhitungan nilai-nilai variansi sudah dapat dimulai.75 Atas dasar nilai-nilai rerata di atas.80 × 3 = 6.08 = 2.

75-7.Statistika Inferensial---------------------------------------------------------------------------------------------------SSR = (6-7.75)2 + (9.5)2 = 7.5-7.75)2 + (7.13 ======================================== Bab XI: Analisis Variansi 213 .

25 44.06 5.25 2 6.75)2 Hasil perhitungan SST detailnya disajikan pada tabel 11-9 berikut..06 11.56 1.Statistika Inferensial---------------------------------------------------------------------------------------------------SSR 1 2 3 Jumlah 3.50 ------.06 4.5 = 9.06 0.13 × 4 = 28.56 0.06 18.06 0.75)2 + .56 5. + (10-7. SSE SSE = SST – SSC – SSR = 44.19 D 0.13 Hasil di atas kemudian masih harus dikalikan dengan cacah kolom SSR = 7. rerata tiap variansi dapat dihitung MSR = 28.06 9.25 – 6..50 Sejalan dengan temuan-temuan di atas.08 3 9.25 Selanjutnya.= 2.58 6 MSC = MSE = Atas dasar informasi di atas.25 – 28.00 7.06 18.19 B 7.69 Jumlah = 44.19 C 3.56 0.56 1.75)2 + (12-7. nilai statistika F-rasio dapat dihitung sebesar ======================================== Bab XI: Analisis Variansi 214 .50 SST = (6-7.= 14.= 1.50 ------.25 ------.06 3. Tabel 11-9 1 2 3 Jumlah A 3.75)2 + (7-7.

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.Statistika Inferensial---------------------------------------------------------------------------------------------------F-rasio(1) = MSC ------MSE 2.26.08 ------1.00 = = 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).32 MSR ------MSE 14.58 1. ======================================== Bab XI: Analisis Variansi 215 .07 dan 4. dan v2 = (b-1) × (k-1) = 2 × 3 = 6 dari tabel F statistik didapatkan masing-masing sebesar 4.25 ------1.

Sejak awal.05 2 3 ----------------------------------------------1 … … 2 … … 3 … … … 6 5. Simpulan yang sama juga dapat ditempuh dengan mencermati nilai P (probabilitas) pada kolom terakhir hasil Minitab di atas. Tabel 11-10 Terkait dengan klasifikasi baris. 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. simpulan yang dapat ditarik adalah dengan bahwa derajad kepercayaan sebesar 95 persen ada pengaruh ukuran terhadap penjualan.14 4.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). risiko yang ======================================== Bab XI: Analisis Variansi 216 .07 Gambar 11-4 4. dengan membandingkan antara F hitung dan F tabel.76 … … … n … … 4.

Statistika Inferensial---------------------------------------------------------------------------------------------------ditetapkan adalah sebesar 5 persen. sementara K adalah cacah semua koefisien regresi (termasuk konstanta) Masing-masing nilai variansi masih harus dikoreksi dengan derajad kebebasan (degree of freedon. ≠ k ≠ 0 (nol).7 persen.3 persen. selangkah lebih maju. sehubungan dengan warna nilai 5 persen < 35. seperti biasa. Nilai SST dibagi dengan N-1. dan nilai SSE disesuaikan dengan N-k-1. Sebaliknya. menawarkan uji hipotesis atas koefisien-koefisien regresi secara serempak hanya dalam satu kali pengujian..3 persen. dengan koefisien regresi yang dicari hanya satu. Ini berarti hipotesis awal diterima.. Agar hipotesis awal tetap dapat diterima. D. Hasil F hitung nantinya akan sama dengan nilai kuadrat atas nilai t hitung. derajad kepercayaan harus diperbesar menjadi 98.4 persen.. risiko kesalahan adalah sebesar 1. Uji hipotesis yang sudah dipelajari pada Bab IX dan X adalah uji t atas masing-masing koefisien regresi dan dilakukan secara individual. Agar hipotesis awal tidak diterima. Penjelasan di atas secara implisit menegaskan bahwa penerapan anova dalam regresi lebih tepat untuk regresi majemuk. yaitu bahwa semua koefisien regresi berbeda dengan nol (2) Tentukan risiko kesalahan (α ). penerapan uji anova dirasakan menjadi janggal. Nilai 5 persen > 1. Dengan lain perkataan. DF).6 dan 35. ======================================== Bab XI: Analisis Variansi 217 (3) . sekaligus nilai kritis pada tabel F pada kolom k dan baris (n-k-1). ANALISIS VARIANSI DALAM REGRESI Uji anova juga dapat diterapkan ke dalam analisis regresi. Anova ditempuh dengan membandingkan antara variansi kolom dengan variansi yang tidak terjelaskan.6 persen. Nilai P hasil olahan Minitab adalah masing-masing sebesar 1.3 persen. = k = 0 (nol).. Perhitungan dan perlakuan masing-masing variansi disajikan pada tabel 11-11 berikut. dimulai dengan penetapan hipotesis nol Ho: a = b = c = . nilai SSC yang berasal dari regresi dikoreksi dengan k (K-1). secara teknis penerapan anova dalam regresi sederhana masih dimungkinkan. Dengan lain perkataan. Ini berarti hipotesis awal tidak diterima. Prosedur umum yang dilakukan dalam uji anova dalam analisis regresi adalah sebagai berikut (1) Uji anova. Dalam hal regresi sederhana.6 persen. yaitu menguji signifikansi koefisien-koefisien regresi secara bersama-sama. Sungguhpun demikian. Uji anova. Notasi k adalah cacah koefisien regresi (tanpa konstanta). yaitu bahwa semua koefisien regresi tidak berbeda dengan nol Ha: a ≠ b ≠ c ≠ . derajad kepercayaan harus diperbesar menjadi 64. risiko kesalahan adalah sebesar 35.

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

84 244.91 7.84 545.43 189.74 -12.20 191.55 6.74 -24.47 172.54 546. Tabel 11-12 Tahun 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Jumlah Rerata Y 168.66 39.37 2094.18 1131.66 273.46 0 ỹ -44.48 -3.64 -24.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-11 (4) (5) (6) Bandingkan antara hasil langkah (3) dan langkah (2) Sejauh mungkin gambarkan ke dalam gambar distribusi F.66 116.80 195.04 16521.84 -26.18 137.23 1.90 96.55 237.94 -33.43 194. hasil regresi majemuk tabel 10-4 ditampilkan lagi menjadi tabel 11-12.83 163.56 39.33 34.76 115.41 29.60 211.42 -7.48 46.37 -28.24 3162.05 221.96 6.92 3. sehingga terlihat jelas wilayah penerimaan Ho dan penolakan Ho.55 429.40 240.76 10.90 224.60 228.28 44.85 3.60 207.64 -9.79 709.64 -44.44 2019.22 20.22 257.70 162.92 3.87 -1.68 13628.64 6.88 ỹ2 1936.00 196.91 564.26 192.56 2.85 148. Simpulan seyogyanya disusun dalam kalimat yang tegas disesuaikan dengan pokok persoalan yang diajukan.24 0 y2 1032.01 -36.60 246.10 176.16 234.76 27.24 7.40 246.22 1882.93 5.61 1156.56 45.20 155.84 369.77 0 e2 140.41 2067.76 45.33 606.80 e 11.14 30.00 43.20 200.73 17.40 -6.00 174.40 -11.41 67.84 Ỹ 156.94 49.71 36.20 176.76 36.66 2. Ambil simpulan.64 201. Untuk jelasnya.53 1361.19 0.20 200.04 1319.09 188.38 -10.64 31.84 -4.34 5.50 240.36 -23.18 62.94 11.61 0.60 -19.81 1573.63 63.06 2893.03 -5.19 10.16 806.88 759.36 2.14 -38.12 1002.53 -27.68 1500.84 y -32.08 ======================================== Bab XI: Analisis Variansi 219 .27 -16.30 761.93 177.06 23.90 8.94 209.30 3414.42 616.07 3414.29 1565. Contoh penerapan anova ke dalam analisis regresi disampaikan dengan mengacu pada hasil-hasil regresi pada Bab X.48 177.38 56.90 -23.83 -1.90 167.

yaitu ∑ỹ2).74 Tabel F 0. a) Baris: (17 – 2 – 1) = 14 Didapatkan angka: 3.74 n … 3. ======================================== Bab XI: Analisis Variansi 220 .X2 maka Ho: a = b = c Ha: a ≠ b ≠ c (b) Misalkan α disepakati sebesar 5 persen. dan SSE (yaitu ∑e2).05 2 ----------------------------------------------1 … 2 … 3 … … … … 14 3.74 Gambar 11-5 (c) Berdasarkan tabel 11-12.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. Tabel F yang sesuai adalah Kolom: 2 (cacah koefisien regresi di luar konstanta. Pengujian selengkapnya ditampilkan pada tabel 11-13 berikut. sum of square regression. keterangan yang sudah didapat adalah SST (yaitu ∑y2). SSC (dalam hal ini adalah SSR.X1 + c.

Kendati demikian. Menutup pembahasan mengenai anova ini. penggunaan anova harus dimbangi dengan alat analisis lain.8015 2893. Jika p-value besarnya lebih kecil dari risiko kesalahan yang semula ditetapkan (5 persen). dan sejenisnya. menawarkan banyak manfaat dalam mengkaji perbedaan variansi antara beberapa subpopulasi dan beberapa subblok. yaitu memuaskan rasa ingin tahu yang tidak pernah padam. Uji anova. Dengan menyadari kelemahan hal ini. kelemahan yang masih tersisa pada anova ini adalah ia belum mampu menjelaskan mengapa perbedaan tersebut terjadi. menurut uji anova kedua jenis modal – kebetulan – mampu memberikan dorongan bagi peningkatan profit. Secara teknis matematika statistika. Kasus model regresi atas data profit. ======================================== Bab XI: Analisis Variansi 221 . koefisien modal pihak ketiga tidak signifikan. agar Ho diterima. Dengan demikian. Mengikuti hasil uji t. risiko yang ditetapkan setidaknya harus 0. Artinya keduanya digunakan secara bersama-sama sehingga juga perlu ditampilkan dalam laporan hasil regresi. dan sentuhan diplomasi memegang peranan kunci dalam menangkal kontroversi ini. jika secara individu suatu variabel berpengaruh secara signifikan. Jadi pada contoh di atas. logika. Simpulan di atas juga dapat langsung disidik dari p-value pada kolom terakhir. Jikalau terjadi perbedaan. Hasil uji manakah yang semestinya dipercayai? Menghadapi kasus semacam ini. Inilah esensi sebuah riset yang sebenarnya. akan jelas bahwa Ho tidak diterima. ada satu catatan penting yang perlu digarisbawahi. baik satu jalur maupun dua jalur. dan modal pihak ketiga di atas adalah contoh yang amat baik untuk menunjukkan hal ini. kontroversi sering muncul.9758 P-value 0.4008 206. Uji anova dan uji t dalam riset yang sesungguhnya diperlakukan bukannya suplemen (substitutif) melainkan komplemen.8788 MS 6814. Sementara. peneliti harus mampu memberikan penjelasan dengan jitu atas dasar fakta riil yang terjadi di lapangan. modal sendiri. Logikanya.6484 F 32. misalnya uji rerata.Statistika Inferensial---------------------------------------------------------------------------------------------------Tabel 11-13 SSR SSE SST DF 2 14 16 SS 13628.0773 16521. maka tanpa melihat tabel F pun. 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).000005 (d) Nilai F hitung pada kenyataannya lebih besar daripada nilai kritis (periksa gambar 11-5). Sungguhpun demikian.0005 persen. secara kolektifpun mestinya juga demikian. Kejelian. Hal ini dapat dimaklumi mengingat p-value sesungguhnya menunjukkan besaran α untuk menerima Ho. uji beda nilai dua rerata. simpulan yang dapat diperoleh adalah bahwa modal sendiri dan modal dari pihak lain secara bersama-sama berpengaruh secara signifikan terhadap profit. 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.

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 1.00 100.00 C 100.00 100.00 100.00 120.00 C 100.00 ======================================== Bab XI: Analisis Variansi 222 . Data berikut memperlihatkan uang saku mahasiswa per bulan dari tiga perguruan tinggi swasta yang disurvey pada suatu ketika. 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 80.00 100.00 120.00 100. Mengembangkan soal nomor 1 di atas.00 PTS B 120.00 100.00 80. Enam mahasiswa mengikuti ujian di sebuah ruangan.00 100.00 PTS B 120. Mahasiswa Sampel 1 2 3 4 A 80.00 80.00 120.00 Apakah ada perbedan yang signifikan atas uang saku rerata dari ke tiga PTS tersebut di atas? 2.00 100. apakah ada perbedan yang signifikan atas uang saku rerata dari ke tiga PTS tersebut di atas? Mahasiswa Semester Sampel 2 4 6 A 80. 3.00 80. jika mahasiswa ditelusur lebih lanjut atas dasar semester ke berapa mereka sedang menempuh studinya.

50 44.40 43.10 40.14 3.64 Prediksi Harga Saham di 5 Bursa B C D 4.90 F 43.30 43. II. 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.20 Operator C D 39.00 4.50 42.21 4.39 3. berikan pandangan Anda apakah prediksi kelima analis tersebut pada dasarnya sama? 5.00 100.71 3.20 41.30 40. Suatu saat Anda melakukan uji petik dengan mencatat lamanya (detik) masing-masing karyawan melakukan tugasnya di tiap-tiap mesin.10 45. Mesin I II III IV A 42.90 42.30 Bagaimanakah evaluasi yang dapat Anda berikan kepada manager puncak (atasan Anda) perihal kinerja karyawan secara umum? 6.60 39.90 45. Data berikut ini menunjukkan jumlah produksi.30 B 39. Sampel 1 2 3 A 3.10 42. Hasil wawancara disajikan berikut. hingga mesin keempat.10 E 4.52 3.60 43.89 5.50 42. tenaga kerja. Misalkan Anda adalah seorang manager produksi.50 39.Statistika Inferensial---------------------------------------------------------------------------------------------------8 120.30 41. Bandingkan dengan uji t atas koefisien regresi masing-masing.92 4.93 4.79 3.80 40. konsistenkah simpulan Anda? ======================================== Bab XI: Analisis Variansi 223 .20 Analis Pasar Modal Jika Anda juga seorang analis pasar modal. Anda membawahi 6 orang operator yang secara berkelanjutan mengerjakan 4 jenis mesin. 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.90 40.19 5.20 E 42.82 4.96 4. Hasilnya sebagai berikut.00 100.50 44. mulai mesin I .

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->