Analisis Varians.

Presentasi berjudul: "Analisis Varians."— Transcript presentasi:

1 Analisis Varians

2 Pengertian Analisis varians adalah teknis statistik yang dipergunakan untuk memutuskan apakah sampel yang berasal dari populasi mempunyai mean yang sama. Analisis univariat menggunakan satu sample bebas, sedangkan analisis multivariat membandingkan satu atau lebih sample bebas.

3 Analisis Varians Satu Arah
Seorang manager perusahaan minuman ingin mengetahui apakah terdapat perbedaan yang signifikan antara hasil penjualan minuman di tiga daerah penjualan selama 2013, analisis ini menggunakan analisis varians satu arah karena hanya memiliki satu faktor yakni daerah.

4 Langkah-Langkah Analyze > General linier Model > Univariat > Masukkan variabel penjualan ke dependent variabel > masukkan variabel kota ke kolom fixed factor > Klik option, pilih homogenity test dan deskcriptive statistics > Klik Plot, masukkan var kota dalam horizontal dan kilk add > Klik post hoc dan masukkan var kota dalam kolom Post Hoc Test dan pilih LSD > Klik Continue, klik ok

5 Output SPSS Tabel Descriptive Statistcs: Kota Jakarta memiliki rata-rata penjualan tertinggi yakni sebesar 327,16 berikutnya Bandung sebesar 273,25 dan terakhir Bogor 246,58 Levene’s Test: karena asumsi uji varians mensyaratkan asumsi homogenitas varians antar kelompok dengan hipitesis: H0: Variasi data homogen H1: Variasi data heterogen

6 Levene’s Test Oleh karena nilai P-Value uji Levenes menunjukkan nilai sebesar 0,089 (>0,05) maka kesimpulanny adalah menerima hipotests nol. Artinya data penjualan minuman antara ketiga daerah adalah homegen, oleh karena itu analisis dapat dilanjutkan dengan uji perbandingan rata-rata penjualan minuman antara ketiga daerah H0: µ1 = µ2 = µ3 atau rata-rata penjualan antara ketiga daerah tidak beda signifikan H0: µ1 = µ2 = µ3 atau rata-rata penjualan antara ketiga daerah beda signifikan

7 Test of between-subjects
Untuk menjawab hipotesis diatas dapat dilihat pada tebel Test of between-subjects dimana nilai sig 0,000 (< 0,05) maka kesimpulannya tolak hipotesis nol. Artinya ada perbedaan yang signifikan antara ketiga daerah tersebut.

8 Plot estimated marginal
Dari grafik tersebut terlihat jelas perbedaan ketiga daerah dimana penjualan tertinggi berada di jakarta

9 Multiple comparasion Oleh karena nilai statistik uji F signifikan pada alfa 5%, maka selanjutnya kita dapat lakukan uji perbandingan lanjutan antara data yang disebut dengan post hoc multiple comparasions, dalam hal ini kita menggunakan LSD (least Significant Different)

10 Multiple comparasion Dari tabel tersebut diketahui bahwa perbedaan rata-rata antara kota Jakarta dan Bogor adalah 80,58 ribu kaleng dalam rentang 95% terletak antara 57,15-104,01 ribu kaleng dan signifikan pada alfa 5%.

11 Analisis Varians Dua Arah
Dalam analisis varians satu-arah, hanya ada 1 (satu) sumber keragaman (source of variability) dalam variabel terikat (dependent variable), yakni: kelompok dalam populasi yang sedang dikaji. Terkadang kita juga perlu untuk mengetahui atau mengidentifikasi adanya 2 (dua) faktor yang mungkin menyebabkan perbedaan dalam variabel terikat (dependent variable). Untuk tujuan tersebut dilakukan analisis varians dua-arah (Two-way ANOVA).

12 Analisis Varians Dua Arah
Contoh: Seorang manager supermarket pusat grosir inging mengetahui apakah terdapat perbedaan jumlah pengeluaran (nilai nominal belanja) antara faktor jenis kelamin dan tipe belanj. Untuk tipe belanja pelanggan dibagi menjadi tiga kategori, yaitu dua minggu sekali dalam jumlah besar, seminggu sekali dengan item barang yang sama dan sering berbelanja barang diskon

13 Langkah-Langkah GLM>Univariat>masukkan jumlah belanja kedalam var dependen> masukkan gender dan tipe kedalam kolom fixed factor>klik option pilih homoginity dan desc statistics> Block overall, gender, tipe pindahkan ke display mean for > klik contine, ok

14 Out Put SPSS Between Subjects Factors: menjelaskan tentan banyaknya responden per kategori jenis kelamin dan tipe belanja. Descriptive Statistics: menggambarkan rata-rata dan simpangan devisi jumlah pengeluaran belanjan per bulan berdasarkan kategori jenis kelamin dan tipe belanja. Untuk kategori wanita dengan tipe belanja sering; ada diskon memiliki pengeluaran yang lebih besar dibandingkan dengan tipe belanja lainnya, yaitu sebesar 3,22 juta.

15 Leven’s Test Nila p-value sebesar 0,066 (> 0,05) maka kesimpulannya asumsi homogenitas varians yang merupakan asumsi dalam analisis varians terpenuhi.

16 Test of Between Subjects Effects
Merupakan tebel utama yang merepresentasikan hasil hipotesis yang diajukan oleh manager pemasaran. Dari tabel tersebut diketahui nilai p-value untuk kategoro jenis kelamin (gender) sebesar 0,00 (< 0,05), maka kesimpulannya terdapat perbedaan yang signifikan terhadap nilai pengeluaran antara pria dan wanita ketika berbelanja

17 Test of Between Subjects Effects
Begitu juga untuk kategori tipe berbelanja diperoleh nilai uji F sebesar 17,713 dan signifikan pada alfa 5%, artinya terdapat perbedaan rata-rata pengeluaran di antara tiga tipe berbelanja pengunjung. Untuk melihat apakah ada perbedaan pengeluaran pengunjung dari faktor interaksi jenis kelamin dengan tipe belanja p-value untuk gander 0,01 (< 0,05) artinya terdapat perbedaan yang signifikan.

18 Grand Mean Menunjukkan rata-rata pengeluaran berbelanja secara keseluruhan dari seluruh responden, yaitu beriksar 3,04 juta perbulan dengan interval konfedensi 95% terletak antara 2,97-3,11 juta.

19 Estimated Marginal Means
Memperjelas hubungan antara jenis kelamin dengan tipe belanja. Perbedaan yang cukup nyata antara jenis kelamin wanita dan pria adalah untuk tipe belanja “sekalmi seminggu; item yang sama” dibandingkan dengan tipe belanja lainnya

20 Q-Q Plot dan Kolmogorov-Smirnov
Selain asumsi homogenitas varians dengan uji Levens, perlu juga dilakukan pemeriksaan asumsi residual dari model yang mengikuti distribusi normal. Asumsi residual model mengikuti distribusi normal terpenuhi dan uji Kolmogorov pada 0,246 (> 0,05)