Analisis Ragam (ANOVA)

Slides:



Advertisements
Presentasi serupa
Distribusi Chi Kuadrat, t dan F
Advertisements

BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
II. Pengujian rata-rata k populasi
PENGUJIAN HIPOTESIS SAMPEL KECIL
ANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI.
Statistika Multivariat
ANALYSIS OF VARIANCE (ANOVA)
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
1 Pertemuan 17 Pengujian hipotesis regresi Matakuliah: I0174/Analisis regresi Tahun: 2005 Versi: 1.
STATISTIK daftar isi slide show # CHY SQUARE TEST ( TES KAI KUADRAT )
Statistika 2 Pengujian Hipotesis Topik Bahasan: Universitas Gunadarma
METODE STATISTIKA II Analysis of Variance Met Stat 2
PENGUJIAN HIPOTESIS (bagian 1)
ANALYSIS OF VARIANCE (ANOVA) Matakuliah: KodeJ0204/Statistik Ekonomi Tahun: Tahun 2007 Versi: Revisi.
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Konsep dasar probabilitas, distribusi normal, uji hipotesis
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
STATISTIKA EKONOMI II PERTEMUAN KE- 6 Pengujian Hipotesis 20/08/2016.
Uji Perbandingan / Beda Dua Nilai Tengah
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL GANDA)
MODUL XII ANALISIS RAGAM KLASIFIKASI DUA ARAH DENGAN INTERAKSI
Bio Statistika Jurusan Biologi 2014
MODUL IX (n1 n2)(n1 n2 1) 2 UJI NON PARAMETRIK (2)
RANCANGAN ACAK LENGKAP (RAL) COMPLETTED RANDOMIZED DESIGN (CRD)
UJI HIPOTESIS (2).
ANALISIS VARIANSI (ANOVA)
STATISTIK INDUSTRI.
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL TUNGGAL)
UJI HIPOTESIS.
UJI HIPOTESIS.
Analisis Variansi Part 1 & 2 – Tita Talitha, MT.
Khaola Rachma Adzima FKIP-PGSD Universitas Esa Unggul
MODUL X Kn Kn  ( Xij X ) = [( Xi. X ..) [( Xij X )
MODUL XI 2 k  ni  (ni 1)si N k ANALISIS RAGAM
RAL (Rancangan Acak Lengkap)
Resista Vikaliana, S.Si.MM
UJI ANOVA (ANALISYS OF VARIAN)
UJI F/UJI RAGAM (ANOVA)
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL TUNGGAL)
Dalam Rancangan Acak Kelompok Lengkap (RAKL)
STATISTIKA Pertemuan 9: Pengujian Hipotesis Selisih Rata-rata Dua Populasi Dosen Pengampu MK: Evellin Dewi Lusiana, S.Si, M.Si.
PENGUJIAN HIPOTESIS.
CHAPTER 6 AnoVa.
MANOVA (Multivariate Analysis of Variance)
CHAPTER 6 AnoVa.
BAB 14 PENGUJIAN HIPOTESIS SAMPEL KECIL
Apa itu Statistik? Apa Peranan statistik?.
Analisis Variansi.
D0124 Statistika Industri Pertemuan 21 dan 22
Pertemuan 9: Pengujian Hipotesis Dua Populasi
Analisis Variansi Kuliah 13.
ANALYSIS OF VARIANCE (ANOVA)
STATISTIKA INFERENSI STATISTIK
Pengujian Hipotesis Kuliah 10.
Normalitas dan Hipotesis
HYPOTHESIS TESTING Beberapa Pengertian Dasar : Hipotesis Statistik
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
Analisis Variansi Kuliah 13.
Pertemuan ke 12.
ANALISIS VARIANSI (AnaVa)
STATISTIKA 2 3. Pendugaan Parameter I OLEH: RISKAYANTO
STATISTIKA 2 8. ANOVA OLEH: RISKAYANTO
PENGUJIAN HIPOTESIS Pertemuan 10.
PENGUJIAN HIPOTESIS Pertemuan 10.
UJI HIPOTESIS Indah Mulyani.
UJI HIPOTESIS Indah Mulyani.
UJI HIPOTESIS.
Transcript presentasi:

Analisis Ragam (ANOVA) Topik Bahasan: Analisis Ragam (ANOVA) Universitas Gunadarma

1. Pendahuluan 2. Distribusi F Metode hipotesis dengan menggunakan distribusi z dan distribusi t efektif untuk uji hipotesis tentang perbedaan rata-rata µ dari satu atau dua populasi Analisis ragam (Analysis of varians /ANOVA)  merupakan prosedur uji hipotesis dengan membandingkan rata-rata µ dari 3 atau lebih populasi secara sekaligus H0 : µ1 = µ2 = µ3 (Semua rata-rata 3 populasi adalah sama) H1 : Rata-rata 3 populasi adalah tidak semuanya sama Uji analisis ragam dilakukan dengan menggunakan distribusi F. 2. Distribusi F Seperti halnya distribusi t, bentuk kurva distribusi f tergantung dari jumlah derajat bebas df, yaitu terdiri dari 2 derajat bebas dimana satu sebagai pembilang dan satu sebagai penyebut. Keduanya disebut sebagai parameter untuk distribusi f. df = (8, 14) Pembilang/numerator (dfn) Penyebut/denumerator (dfd)

Derajat Bebas untuk Pembilang Meningkatnya derajat bebas df, puncak kurva distribusi f bergerak ke kanan sehingga kemiringannya berkurang. df = (1, 3) df = (7, 6) df = (8, 14) F 0.05 2.70 df = (12, 40) F Contoh : Tentukan nilai f untuk derajat bebas 8 untuk pembilang (dfn), dan 14 untuk penyebut (dfd), serta 0.05 luas daerah pada ekor sebelah kanan kurva distribusi f. (tabel hal. 180) F 0.05= (8, 14) = 2.70 Derajat Bebas untuk Pembilang 1 2 ….. 8 100 161.5 199.5 238.9 253.0 18.51 19.00 19.37 19.49 14 4.60 3.74 2.70 2.19

3. Analisis ragam satu arah One-way ANOVA test  menganalisa hanya satu faktor atau variabel. Sbg contoh, dalam pengujian kesamaan rata-rata µ untuk skor mahasiswa dengan 3 metode berbeda  disini hanya ada 1 faktor yang mempengaruhi skor mahasiswa, yaitu metode. Jika 3 dosen yang berbeda dengan 3 metode yang berbeda  disini ada 2 faktor yang mempengaruhi skor mahasiswa, yaitu metode dan dosen bukan uji satu arah. Asumsi untuk One-way ANOVA : Populasi-populasi dimana sampel diambil terdistribusi (mendekati) normal Populasi-populasi dimana sampel diambil memiliki ragam (simpangan baku) yang sama Sampel diambil dari populasi yang berbeda secara acak dan independent Uji analisis ragam satu arah selalu memiliki daerah penolakan (rejection) di sebelah kanan dari ekor kurva disribusi f. Pengujian hipotesis dengan ANOVA memiliki prosedur yang sama dengan uji hipotesis sebelumnya.

3.1. Penghitungan nilai statistik uji f Nilai statistik uji f untuk pengujian hipotesis dengan ANOVA merupakan rasio dua ragam, yaitu ragam antara sampel (MSB) dan ragam dalam sampel (MSW) DIMANA Keterangan : x = variabel x k = jumlah perlakuan / treatment ni = ukuran sampel i Ti = total nilai variabel dalam sampel i n = jumlah semua sampel = n1 + n2 + n3 + … ∑x = total nilai x dalam semua sampel = T1 + T2 + T3 + … ∑x2 = total kuadrat nilai x dalam semua sampel

Hitunglah nilai statistik uji f ! Jawab : Contoh : Terdapat 3 metode pengajaran dalam mata kuliah Dasar-dasar pemrograman. Di akhir semester diberikan test yg sama pada 15 mahasiswa, dan diperoleh skor sbb : Hitunglah nilai statistik uji f ! Jawab : Metode I Metode II Metode III 48 55 84 73 85 68 51 70 95 65 69 74 87 90 67 Metode I Metode II Metode III 48 55 84 73 85 68 51 70 95 65 69 74 87 90 67 T1 = 324 n1 = 5 T2 = 369 n2 = 5 T3= 388 n3= 5 Σx = T1 + T2 + T3 = 324 + 369 + 388 = 1081 n = n1 + n2 + n3 = 15 Σx2 = (48)2 + (73)2 + (51)2 + (65)2 + (87)2+ (55)2 + (85)2 + (70)2 + (69)2 + (90)2+ (84)2 + (68)2 + (95)2 + (74)2 + (67)2 = 80709

Menghitung nilai MSB dan MSW: Menghitung statistik uji f : Tabel ANOVA : Sumber Keragaman Derajat Bebas Jumlah Kuadrat Kuadrat Rata-rata F hitung Di antara kelompok k - 1 SSB Galat Sampling n – k SSW Total n - 1 SST = SSB + SSW Sumber Keragaman Derajat Bebas Jumlah Kuadrat Kuadrat Rata-rata F hitung Di antara kelompok 2 432.13 216.07 1.09 Galat Sampling 12 2372.80 197.73 Total 14 2804.93

3.2. Uji ANOVA satu arah Contoh : Merujuk pada contoh soal sebelumnya, ttg skor 15 mahasiswa yang diambil acak dari 3 kelompok metode pengajaran. Dengan tingkat signifikansi 1%, dapatkah kita menolak hipotesis nol (ho), bahwa skor seluruh mahasiswa dengan masing-masing metode pengajaran adalah sama? Asumsikan bahwa seluruh asumsi untuk uji anova satu arah telah terpenuhi. Jawab : Tentukan hipotesis nol dan hipotesis alternatif katakan µ1, µ2, dan µ3 adalah rata-rata skor seluruh mahasiswa yang diajar, dengan metode I, II, dan III. H0 : µ1 = µ2 = µ3 (Semua rata-rata skor dari 3 kelompok adalah sama) H1 : Semua rata-rata skor dari 3 kelompok adalah tidak sama) H1 menyatakan bahwa sedikitnya satu rata-rata populasi berbeda dengan dua yang lain. Pilih distribusi yang digunakan Karena kita membandingkan 3 rata-rata populasi yg terdistribusi normal, digunakan distribusi f untuk melakukan pengujian Menentukan daerah kritis Tingkat signifikansi adalah 0.01. Karena uji anova satu arah maka daerah ekor kanan kurva distribusi f adalah 0.01.

Menentukan nilai statistik uji f Telah dihitung bahwa f hitung = 1.09 Kemudian kita perlu mengetahui derajat bebas. df untuk pembilang = k -1 = 3 – 1 = 2 df untuk penyebut = n - k = 15 – 3 = 12 Sehingga dari Tabel Distribusi F, nilai kritis untuk F, F0.01 (2, 12) = 6.93 df = (2, 12) F  = 0.01 6.93 Terima Ho Tolak Ho Menentukan nilai statistik uji f Telah dihitung bahwa f hitung = 1.09 Membuat keputusan Karena f hitung = 1.09 lebih kecil dari nilai kritis f = 6.93, jatuh pada daerah penerimaan ho, dan kita gagal menolak ho. Sehingga disimpulkan bahwa rata-rata skor ketiga populasi adalah sama, dengan kata lain perbedaan metode pengajaran tidak menunjukkan pengaruh pada rata-rata skor mahasiswa.

Latihan : Untuk melihat produktifitas kerja staf di bagian teller, seorang manager research suatu bank melakukan pengamatan terhadap jumlah customer per jam yang dapat dilayani oleh 4 orang teller. Data hasil beberapa pengamatan ditunjukkan pada tabel berikut : Teller A Teller B Teller C Teller D 19 14 11 24 21 16 26 13 18 17 20 Dengan tingkat signifikansi 5%, ujilah H0 bahwa rata-rata jumlah customer per jam yang dilayani masing2 teller adalah sama. Asumsikan bahwa seluruh asumsi untuk uji anova satu arah telah terpenuhi.

4. Analisis ragam dua arah Two-way anova test  menganalisa dua faktor atau variabel, baik tanpa interaksi maupun dengan interaksi. Misal : Pengaruh pemberian 3 jenis pupuk terhadap produksi 4 varietas gandum  ada 2 faktor yaitu jenis pupuk dan varietas gandum yang ingin dilihat pengaruhnya terhadap produksi gandum 4.1. Two-way anova test (tanpa interaksi) Ringkasan tabel anova 2 arah tanpa interaksi : Sumber Keragaman Derajat Bebas Jumlah Kuadrat Kuadrat Rata-rata F hitung Di antara Baris r - 1 SSB_r Di antara kolom c - 1 SSB_c Galat Sampling (r – 1) (c – 1) SSW = SST- SSB_r - SSB_c - Total rc - 1

DIMANA Keterangan : x = variabel x r = jumlah perlakuan / treatment dalam baris c = jumlah perlakuan / treatment dalam kolom Tri = total nilai variabel dalam baris ke-i Tcj = total nilai variabel dalam baris ke-j ∑x = total nilai x dalam semua sampel = T1 + T2 + T3 + … ∑x2 = total kuadrat nilai x dalam semua sampel Contoh : Tabel berikut menunjukkan data produksi 3 varietas gandum (dalam ton/ha) dengan 4 jenis perlakuan pupuk. Ujilah h0’, pada taraf nyata 0.05 bahwa tidak ada beda rata-rata hasil gandum untuk ke-4 perlakuan pupuk tsb. Juga ujilah h0”, bahwa tidak ada beda rata-rata hasil untuk ke-3 varietas gandum tersebut.

F2 > 5.14 (dari tabel distribusi F, untuk F0.05(2.6) = 5.14) Jenis Pupuk Varietas Gandum Total Rata-rata v1 v2 v3 p1 64 72 74 210 70 P2 55 57 47 159 53 P3 59 66 58 183 61 p4 168 56 236 252 63 232 720 Jawab : Tentukan hipotesis nol dan hipotesis alternatif a. H0’ : 1 = 2 = 3 = 3 = 0 (pengaruh baris / jenis pupuk adalah nol) H1’ : Sekurang-kurangnya satu i adalah tidak sama dengan nol) b. H0” : β1 = β2 = β3 = 0 (pengaruh kolom / varietas gandum adalah nol) H1” : Sekurang-kurangnya satu βj adalah tidak sama dengan nol)  = 0.05 Wilayah kritis : F1 > 4.76 (dari tabel distribusi F, untuk F0.05(3.6) = 4.76) F2 > 5.14 (dari tabel distribusi F, untuk F0.05(2.6) = 5.14) Perhitungan :

Hasil perhitungan disajikan dalam tabel ANOVA berikut : Sumber Keragaman Derajat Bebas Jumlah Kuadrat Kuadrat Rata-rata F hitung Di antara Baris 3 498 166 9.22 Di antara kolom 2 56 28 1.56 Galat Sampling 6 108 18 - Total 11 662 Keputusan : a. Tolak H0’ dan simpulkan bahwa ada beda rata-rata hasil gandum dalam penggunaan ke-4 jenis pupuk tersebut. b. Terima H0” dan simpulkan bahwa tidak ada beda rata-rata hasil gandum dalam penggunaan ke-3 varietas gandum.

Klasifikasi Dua Arah dengan Satu Pengamatan Tiap Sel Baris Kolom Total 1 2 … j c x11 x12 .. x1j x1c Tr1 x21 x22 x2j x2c Tr2 i xi1 xi2 xij xic Tr3 r xr1 xr2 xrj Trr Tc1 Tc2 Tcj Tcc T (Σx)

Interaksi Baris dan kolom 4.2. Two-way anova test (dengan interaksi) Tiga hipotesis nol (H0 ) yang berbeda dapat diuji dengan anova dua arah dengan interaksi, yaitu : Tidak ada efek baris Tidak ada efek kolom Tidak ada efek interaksi 2 faktor baris dan kolom Ringkasan tabel anova 2 arah dengan interaksi : Sumber Keragaman Derajat Bebas Jumlah Kuadrat Kuadrat Rata-rata F hitung Di antara Baris r - 1 SSB_r Di antara kolom c - 1 SSB_c Interaksi Baris dan kolom (r – 1) (c – 1) SSB_i Galat Sampling r.c (n - 1) SSW - Total r.c.n - 1

DIMANA : Keterangan : x = variabel x r = jumlah perlakuan / treatment dalam baris c = jumlah perlakuan / treatment dalam kolom n = jumlah pengamatan / ulangan dalam sel Tri = total nilai variabel dalam baris ke-i Tcj = total nilai variabel dalam baris ke-j ∑x = total nilai x dalam semua sampel = T1 + T2 + T3 + … ∑x2 = total kuadrat nilai x dalam semua sampel

a. H0’ : tidak ada beda rata-rata hasil untuk ke-4 perlakuan pupuk. Contoh : Tabel berikut menunjukkan data produksi 3 varietas gandum (dalam ton/ha) dengan 4 jenis perlakuan pupuk dengan masing2 percobaan dengan 3 ulangan. Ujilah pada taraf nyata 0.05 untuk : a. H0’ : tidak ada beda rata-rata hasil untuk ke-4 perlakuan pupuk. b. H0” : tidak ada beda rata-rata hasil untuk ke-3 varietas gandum. c. H0”’ : tidak ada interaksi antara jenis pupuk dan varietas gandum Jenis Pupuk Varietas Gandum v1 v2 v3 p1 64 66 70 72 81 74 51 65 P2 63 58 57 43 52 47 67 P3 59 68 71 39 42 p4 41 46 61 53 Jenis Pupuk Varietas Gandum Total v1 v2 v3 p1 200 217 190 607 P2 186 152 172 510 P3 192 196 139 527 p4 145 171 150 466 723 736 651 2110

b. F2 > 3.40 (dari tabel distribusi F, untuk F0.05(2, 24) = 3.40) Jawab : Tentukan hipotesis nol dan hipotesis alternatif a. H0’ : 1 = 2 = 3 = 4 = 0 (pengaruh baris / jenis pupuk adalah nol) H1’ : Sekurang-kurangnya satu i adalah tidak sama dengan nol) b. H0” : β1 = β2 = β3 = 0 (pengaruh kolom / varietas gandum adalah nol) H1” : Sekurang-kurangnya satu βj adalah tidak sama dengan nol) c. H0”’ : (β)11 = (β)12 = … = (β)43 = 0 (pengaruh interaksi adalah nol) H1”’ : Sekurang-kurangnya satu (β)ij adalah tidak sama dengan nol)  = 0.05 Wilayah kritis : a. F1 > 3.01 (dari tabel distribusi F, untuk F0.05(3, 24) = 3.01) b. F2 > 3.40 (dari tabel distribusi F, untuk F0.05(2, 24) = 3.40) c. F3 > 2.51 (dari tabel distribusi F, untuk F0.05(6, 24) = 2.51) Perhitungan :

Hasil perhitungan disajikan dalam tabel ANOVA berikut : Sumber Keragaman Derajat Bebas Jumlah Kuadrat Kuadrat Rata-rata F hitung Di antara Baris 3 1157 385.667 6.17 Di antara kolom 2 350 175.000 2.80 Interaksi 6 771 128.500 2.05 Galat Sampling 24 1501 62.542 - Total 35 3779 Keputusan : a. Tolak H0’ dan simpulkan bahwa ada beda rata-rata hasil gandum dalam penggunaan ke-4 jenis pupuk tersebut. b. Terima H0” dan simpulkan bahwa tidak ada beda rata-rata hasil gandum dalam penggunaan ke-3 varietas gandum. c. Terima H0” dan simpulkan bahwa tidak ada interaksi antara jenis pupuk dan varietas gandum.