ANALYSIS OF VARIANCE (ANOVA) Matakuliah: KodeJ0204/Statistik Ekonomi Tahun: Tahun 2007 Versi: Revisi.

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
Hypothesis Testing In Full Rank Model
ANALISIS VARIANSI (ANOVA)
ANALISIS VARIANSI.
BAB 2 (sambungan) DESAIN BLOK LENGKAP ACAK
REGRESI LINIER SEDERHANA
Erni Tri Astuti Sekolah Tinggi Ilmu Statistik
Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor
Hypothesis Testing In Full Rank Model
Regresi linier sederhana
ANOVA Disusun oleh: FAHMI ( ) M.A.YUNANTO ( ) RIFQI SEPVANI VARADHY ( )
STATISTIKA 1 Jurusan Ekonomi Syariah IAIN Antasari Banjarmasin Disampaikan oleh Hafiez Sofyani, SE., M.Sc. Pertemuan 8: ANALYSIS OF VARIANCE (ANOVA) KEGUNAAN.
ANOVA (Analysis of Variance)
UKURAN KERAGAMAN/ DISPERSI
ANALYSIS OF VARIANCE (ANOVA)
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
STATISTIK daftar isi slide show # CHY SQUARE TEST ( TES KAI KUADRAT )
DISTRIBUSI PROBABILITA DISKRIT
Analisis Ragam (ANOVA)
METODE STATISTIKA II Analysis of Variance Met Stat 2
UKURAN SENTRAL TENDENSI (1) Matakuliah: KodeJ0204/Statistik Ekonomi Tahun: Tahun 2007 Versi: Revisi.
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
UJI BEDA MEAN DAN BEDA PROPORSI
Anova Erlisa C, S.Kep., Ns., M.Kep.
METODE STATISTIK NONPARAMETRIK (1) Matakuliah: KodeJ0204/Statistik Ekonomi Tahun: Tahun 2007 Versi: Revisi.
Basic Business Statistics, 10e © 2006 Prentice-Hall, Inc.. Chap 11-1 Chapter 11 Analysis of Variance Basic Business Statistics 10 th Edition.
PENGUJIAN HIPOTESIS RATA-RATA & PROPORSI DUA POPULASI
Anova Dep BiostatikFKM UI.
STATISTIK INFERENSIAL
PEMILIHAN UJI STATISTIK
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
REGRESI LINIER SEDERHANA
ANALISIS VARIANSI (ANOVA)
ANOVA (Analysis of Variance)
Analisa Data Statistik Chap 13: Regresi Linear (Lanjutan)
ANalysis Of VAriance Observasi Seragam
1 langsung Data Sekunder Wawancara langsung MODUL PERKULIAHAN SESI 1
STATISTIK INFERENSIAL
ANALISIS VARIANSI (ANOVA)
Analisis Variansi Part 1 & 2 – Tita Talitha, MT.
Analisis ragam atau analysis of variance
ANALISIS VARIANS TUJUAN
Analisis Varians Satu Arah (One Way Anova)
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
STATISTIK II Pertemuan 9: ANOVA (SPSS) Dosen Pengampu MK:
STATISTIK II Pertemuan 13: ANOVA (Analysis of Variance)
CHAPTER 6 AnoVa.
1 langsung Wawancara langsung MODUL PERKULIAHAN SESI 1 Data Primer
MANOVA (Multivariate Analysis of Variance)
CHAPTER 6 AnoVa.
ANOVA (Analysis of Variance)
STATISTIK II Pertemuan 13: Pengujian Hipotesis Sampel Kecil (n<30)
ANALISIS COMPARE MEANS
STATISTIK II Pertemuan 13: ANOVA (Analysis of Variance)
LATIN SQUARE DESIGN DOX 6E Montgomery.
STATISTIKA Materi : Pengantar Statistika deskriptif
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
Nilai UTS.
ANALYSIS OF VARIANCE (ANOVA)
HYPOTHESIS TESTING Beberapa Pengertian Dasar : Hipotesis Statistik
BAB 1 ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )
.ANALISIS VARIAN.. 1. ANALISIS ANVARIAN Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistika yang termasuk ke dalam.
ANOVA (Analysis of Variance)
ANALISIS VARIANSI (AnaVa)
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
Transcript presentasi:

ANALYSIS OF VARIANCE (ANOVA) Matakuliah: KodeJ0204/Statistik Ekonomi Tahun: Tahun 2007 Versi: Revisi

ANALYSIS OF VARIANCE (ANOVA) ANOVA dapat digunakan untuk menguji kesaman 3 (tiga) atau lebih rata-rata populasi menggunakan data yang diperoleh dari pengamatan maupun percobaan. Menggunakan hasil sampel untuk menguji hipotesis berikut: H 0 :  1 =  2 = … =  k H a : minimal ada  i   j Jika H 0 ditolak berarti minimal ada 2 rata-rata populasi yang memiliki nilai berbeda.

ASUMSI-ASUMSI PADA ANOVA Untuk setiap populasi, variabel respons-nya terdistribusi normal. Varian dari variabel respons, dinotasikan  2, adalah sama untuk semua populasi. Unit observasi harus saling bebas (independent).

ANOVA: PENGUJIAN k RATA-RATA POPULASI ESTIMASI VARIAN POPULASI ANTAR SAMPEL Estimasi  2 antar-sampel (between-samples) disebut mean square between (MSB). Pembilang dari MSB merupakan sum of squares between (SSB). Penyebut dari MSB menyatakan derajat bebas (degrees of freedom) yang terkait dengan SSB.

ESTIMASI VARIAN POPULASI DALAM SAMPEL Estimasi  2 yang didasarkan pada variasi observasi dalam masing-masing sampel disebut mean square within (MSW). Pembilang dari MSW disebut sum of squares within (SSW). Penyebut dari MSW menunjukkan derajat bebas (degrees of freedom) yang bersesuaian dengan SSW. ANOVA: PENGUJIAN k RATA-RATA POPULASI

PERBANDINGAN ESTIMASI VARIAN: UJI F Jika H 0 benar dan asumsi pada ANOVA terpenuhi, maka distribusi Jika rata-rata k populasi tidak sama, nilai MSB/MSW akan meningkat karena MSB overestimate. Oleh karena itu, kita akan menolak H 0. ANOVA: PENGUJIAN k RATA-RATA POPULASI

PROSEDUR PENGUJIAN k RATA-RATA POPULASI Hipotesis H 0 :  1 =  2 = … =  k H a : minimal ada  i   j Uji Statistik F = MSB/MSW Aturan Penolakan Tolak H 0 jika F > F  dimana nilai F  didasarkan pada distribusi F dg derajat bebas k - 1 dan n T - 1.

TABEL ANOVA Source of Variation Degrees of Freedom Sum of Squares Mean Squares F Treatmentk – 1SSTRMSTR MSE Errorn T – kSSEMSE Totaln T – 1SST

CONTOH: REED MANUFACTURING Analysis of Variance (ANOVA) J. R. Reed ingin mengetahui apakah rata-rata jumlah jam kerja per minggu para manajer sama pada tiga perusahaan yang ada (Buffalo, Pittsburgh, and Detroit). Sampel acak sederhana yang terdiri dari 5 orang manajer pada masing-masing perusahaan diambil dan jumlah jam kerja minggu yang lalu masing-masing manajer tersebut dicatat. Hasilnya seperti pada slide berikut.

Analysis of Variance (ANOVA) Prshn 1Prshn 2Prshn 3 ObservasiBuffalo Pittsburgh Detroit Rata-rata Sampel Varian Sampel 26,0 26,5 24,5 CONTOH: REED MANUFACTURING (L)

Analysis of Variance (ANOVA) Hipotesis H 0 :  1 =  2 =  3 H a : minimal ada  i   j ; i, j = 1,2,3 dimana:  1 =rata-rata jumlah jam kerja perminggu manajer pada perusahaan 1  2 =rata-rata jumlah jam kerja perminggu manajer pada perusahaan 2  3 =rata-rata jumlah jam kerja perminggu manajer pada perusahaan 3 CONTOH: REED MANUFACTURING (L)

Analysis of Variance (ANOVA) Mean Square Between (MSB) Karena ukuran sampelnya sama, maka x = ( )/3 = 60 SSB = 5( ) 2 + 5( ) 2 + 5( ) 2 = 490 MSB = 490/(3 - 1) = 245 Mean Square Within (MSW) SSW = 4(26,0) + 4(26,5) + 4(24,5) = 308 MSW = 308/(15 - 3) = 25,667 = = CONTOH: REED MANUFACTURING (L)

Analysis of Variance (ANOVA) Uji Statistik F = MSB/MSW = 245/25,667 = 9,55 Source of Variation Degrees of Freedom Sum of Squares Mean Squares F Treatment ,55 Error ,667 Total14798 CONTOH: REED MANUFACTURING (L)

Analysis of Variance (ANOVA) Aturan Penolakan Misalkan  = 0,05, maka F 0,05;2;12 = 3,89 Tolak H 0 jika F > 3,89 Kesimpulan Karena F = 9,55 > F 0,05;2;12 = 3,89, maka H 0 ditolak. Rata-rata jumlah jam kerja para manajer perminggu pada tiga perusahaan (Buffalo, Pittsburgh, and Detroit) tidak sama. CONTOH: REED MANUFACTURING (L)

EXERCISE An investment club researched large-cap technology stocks in an attempt to diversify their portfolio. As part of their research, the club wanted to know if the was a difference in the price-earnings ratios for the Hardware, Semiconductor and Software industries. A random sample of price-earnings ratios of five large-cap companies from each industry gave the following data. HardwareSemiconductorsSoftware Given SS(total) = and SS(treatments) = , is there evidence of a difference between the means for the three groups. Use  =.05.

SEKIAN & SEE YOU NEXT SESSION