ANALISIS PASCA ANOVA Adriana Dwi Ismita

Slides:



Advertisements
Presentasi serupa
UKURAN NILAI PUSAT UKURAN NILAI PUSAT ADALAH UKURAN YG DAPAT MEWAKILI DATA SECARA KESELURUHAN JENIS UKURAN NILAI PUSAT : MEAN , MEDIAN, MODUS KUARTIL,
Advertisements

Teori Graf.
Statistika Deskriptif: Distribusi Proporsi
TURUNAN/ DIFERENSIAL.
Menunjukkan berbagai peralatan TIK melalui gambar
Bulan maret 2012, nilai pewarnaan :
Tugas Praktikum 1 Dani Firdaus  1,12,23,34 Amanda  2,13,24,35 Dede  3,14,25,36 Gregorius  4,15,26,37 Mirza  5,16,27,38 M. Ari  6,17,28,39 Mughni.

1suhardjono waktu 1Keterkatian PKB dengan Karya Inovatif, Macam dan Angka Kredit Karya Inovatif (buku 4 halaman ) 3 Jp 3Menilai Karya Inovatif.
Menentukan komposisi dua fungsi dan invers suatu fungsi
Korelasi dan Regresi Ganda
Bab 11A Nonparametrik: Data Frekuensi Bab 11A.
Pertemuan 6 UJI HIPOTESIS
Bab 11B
Analisis Variansi.
Uji Non Parametrik Dua Sampel Independen
Metode Statistika 1 Kelompok : Adriana Dwi Ismita Anggun Primadona
Mari Kita Lihat Video Berikut ini.
Statistika Deskriptif
BAB 13 PENGUJIAN HIPOTESA.
Bab 6B Distribusi Probabilitas Pensampelan
10 Uji Hipotesis untuk Dua Sampel.
WEEK 6 Teknik Elektro – UIN SGD Bandung PERULANGAN - LOOPING.
HITUNG INTEGRAL INTEGRAL TAK TENTU.
UKURAN PENYEBARAN DATA
Rabu 23 Maret 2011Matematika Teknik 2 Pu Barisan Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat – sifat barisan Barisan Monoton.
UJI PERBEDAAN (Differences analysis)
ANALISIS VARIANSI.
Pengujian Hipotesis Parametrik 2
VIII. UJI HIPOTESIS Pernyataan Benar Salah Ada 2 Hipotesis Hipotesis H
Uji Hypotesis Materi Ke.
Luas Daerah ( Integral ).
PEMINDAHAN HAK DENGAN INBRENG
Penilaian Dalam Tes Bahasa
UKURAN PEMUSATAN DATA Sub Judul.
Fungsi Invers, Eksponensial, Logaritma, dan Trigonometri
UJI FRIEDMAN Kelompok 5 : Ayu Rosita Sari David Jonly Daya
EKUIVALENSI LOGIKA PERTEMUAN KE-7 OLEH: SUHARMAWAN, S.Pd., S.Kom.
Selamat Datang Dalam Kuliah Terbuka Ini
Kuliah ke 12 DISTRIBUSI SAMPLING
PELUANG SUATU KEJADIAN
Bulan FEBRUARI 2012, nilai pewarnaan :
AREAL PARKIR PEMERINTAH KABUPATEN JEMBRANA
Metode Shapiro-Wilks dan Kolmogorov-Smirnov untuk Uji Normalitas
DISTRIBUSI NORMAL.
Bab 13A Nonparametrik: Data Peringkat I Bab 13A
PENGUJIAN HIPOTESA Probo Hardini stapro.
HIPOTESIS & UJI PROPORSI
STATISTIK NONPARAMETRIK Kuliah 10: Uji k-Sampel Berhubungan: Uji Friedman Dosen: Dr. Hamonangan Ritonga, MSc Sekolah Tinggi Ilmu Statistik Jakarta.
PENGUJIAN HIPOTESIS SAMPEL BESAR
Bahan Kuliah IF2091 Struktur Diskrit
Graf.
Perbandingan Ganda : SCHEFFE ANAVA 1 Jalan
Bab 9B Analisis Variansi Bab 9B
PENGUJIAN HIPOTESIS RATA-RATA (MEAN) 1 SAMPEL
HIPOTESIS DAN UJI RATA-RATA
HIPOTESIS & UJI VARIANS
Statistika Deskriptif: Statistik Sampel
DISTRIBUSI FREKUENSI.
Statistika Deskriptif: Distribusi Proporsi
PENGUJIAN HIPOTESIS SAMPEL BESAR
Bahan Kuliah IF2120 Matematika Diskrit
Pohon (bagian ke 6) Matematika Diskrit.
Korelasi dan Regresi Ganda
DISTRIBUSI PELUANG Pertemuan ke 5.
Uji Perbandingan Ganda (Multiple Comparison)
Analisis Variansi.
Analisis Variansi.
Analisis Variansi.
Analisis Variansi.
Transcript presentasi:

ANALISIS PASCA ANOVA Adriana Dwi Ismita 06111008032 Oleh: Adriana Dwi Ismita 06111008032 Anggun Primadona 06111008005 Dewi Rawani 06111008019 Dwi Kurnia Liztari 06111008034 Nadiah 06111008011 Siti Marfuah 06111008039 Varizka Amelia 06111008033

Konsep Penolakan Ho dalam perbandingan sejumlah rata-rata (dalam anova)= paling sedikit ada dua buah rata-rata populasi yang berbeda satu sama lain (simple effect) kelompok mana yang berasal dari populasi yang berbeda tersebut?(kelompok yang memiliki pengaruh dominan) Kemungkinan yang muncul: Kelompok 1 dan 2 ; kelompok 1 dan 3 ; kelompok 2 dan 3 ; atau ketiga-tiganya (khusus anova satu jalur, 3 jenjang), disesuaikan dengan berapa jalur anova yang digunakan.

Beberapa teknik yang telah dikembangkan untuk memecahkan dan menjawab persoalan tersebut : Uji Scheffe dan Tukey Hal ini merupakan analisis yang dilakukan setelah diketahui anova (Pasca Anova/ uji lanjut/post hoc test)

Asumsi Nilai F atau t hitung dalam anova telah diketahui

Uji Scheffe Kegunaan: menguji perbedaan dua buah rata-rata secara berpasangan (1 vs 2, 1 vs 3, dan 2 vs 3) dan perbedaan antara kombinasi rata-rata yang kompleks (seperti [1+2]/2 vs 3) (Furqon, 2009:213) cocok untuk membuat sembarang perbandingan yang melibatkan sekelompok mean. Perhitungan untuk tes scheffe adalah sangat sederhana dan ukuran sampel tidak harus sama. (Darmadi, 2011: 292)

Langkah pengerjaan dan rumus Tentukan hipotesis (disesuaikan dengan banyak jalur dan jenjang anova) Tentukan kriteria pengujian Uji statistik a. Tentukan kontras antar kelompok ( C )= perbedaan antara rata-rata yang dibandingkan b. Tentukan rumus uji Scheffe MSw= rata-rata jumlah kuadrat dalam kelompok n= banyak data C= kontras antar kelompok

c. Tentukan nilai kritis bagi uji Scheffe k = jumlah kelompok = nilai pada distribusi d. Bandingkan antara nilai uji scheffe dan nilai kritis bagi uji scheffe Kesimpulan

Contoh Skor Motivasi Belajar Siswa Dari Tiga Model AMT 34 26 33 35 34 33 35 30 37 28 31 30 28 22 24 29 27 22 Rata-rata= 32,50 Variansi=10,70 31,83 11,77 25,33 9,47

Rangkuman Hasil Analisis Variansi (Hasil Tabel Anova) Sumber Variasi dk Jumlah kuadrat Rata-rata kuadrat F Antar Kelompok Dalam Kelomok 3-1 18-3 188,11 159,67 94,06 10,64 8,84 Total 18-1 347,78 -

Penyelesaian kontras untuk setiap pasangan adalah Penyelesaiansebagai berikut: C1 (1 vs 2) = 32,50 – 31,83 = 0,67 C2 (1 vs 3) = 32,50 – 25,33 = 7,17 C3 (2 vs 3) = 31,83 – 25,33 = 6,50 rumus uji Scheffe masing- masing kelompok t1 =0,67/ [2(10,64)/6] = 0,36 t2 = 7,17/[2(10,64)/6] = 3,81 t3 = 6,50/[2(10,64)/6] = 3,45

Jika perbedaan rata-rata setiap pasangan itu hendak diuji pada tingkat keyakinan 99%( ), maka nilai F kritis dengan derajat kebebasan 2 (pembilang) dan 15 (penyebut) adalah 6,36. Atas dasar itu, kita dapat menentukan nilai kritis ts sebagai berikut: ts = (3-1) 6,36 ts = 3,57

Kesimpulan Dari hasil perhitungan diatas ternyata hanya ada satu pasangan yang rata-ratanya berbeda signifikan, yaitu pasangan kelompok 1 dengan kelompok 3. Nilai t untuk pasangan tersebut adalah 3,81 yang lebih besar dari nilai kritis uji scheffe (ts = 3,57). Oleh karena itu, hipotesis nol bahwa rata-rata kedua populasi tersebut adalah sama harus ditolak. Nilai t untuk kedua pasangan lainnya ternyata lebih kecil daripada nilai kritisnya, sehinggga hipotesis nol yang bersangkutan tidak dapat ditolak. Secara simbolik , kesimpulan tersebut dapat ditulis sebagai berikut :

Uji Tukey/Tukey’s HSD (Honestly Significant Difference Test) Kegunaan: hanya dapat digunakan untuk menguji seluruh kemungkinan pasangan sederhana, tidak bisa untuk kompleks (Furqon, 2009: 215). lebih powerful (cenderung lebih sering menolak hipotesis nol) karena jumlah kemungkinan pasangan yang hendak diuji relative sedikit (Furqon, 2009: 215).

Langkah pengerjaan dan rumus Tentukan hipotesis (disesuaikan dengan banyak jalur dan jenjang anova) Tentukan kriteria pengujian Uji statistik a. Tentukan kontras antar kelompok ( C )= perbedaan antara rata-rata yang dibandingkan

b. Tentukan nilai kritis HSD q= nilai pada distribusi studentized range statistic Bandingkan nilai HSD dengan nilai kontras ( C ) Kesimpulan

Contoh Skor Motivasi Belajar Siswa Dari Tiga Model AMT 34 26 33 35 34 33 35 30 37 28 31 30 28 22 24 29 27 22 Rata-rata= 32,50 Variansi=10,70 31,83 11,77 25,33 9,47

Rangkuman Hasil Analisis Variansi (Hasil Tabel Anova) Sumber Variasi dk Jumlah kuadrat Rata-rata kuadrat F Antar Kelompok Dalam Kelomok 3-1 18-3 188,11 159,67 94,06 10,64 8,84 Total 18-1 347,78 -

Penyelesaian Nilai kontras Nilai kritis HSD q pada dengan derajat kebebasan 15 dan 3 adalah 4,84. HSD= 4,84 (10,46/6) HSD= 6,45

. Kesimpulan Hasil tersebut menunjukkan ada dua buah nilai kontras antara rata- rata setiap pasangan yang lebih besar daripada nilai kritis HSD. Dengan kata lain, uji Tukey menghasilkan dua kontras yang signifikan pada , yaitu kontras dan kontras . Contoh ini sekaligus membuktikan ungkapan di atas bahwa uji Tukey cenderung lebih sering menolak hipotesis nol daripada uji Scheffe.