Professional Documents
Culture Documents
PERANCANGAN EKSPERIMEN
Disusun oleh ;
Sumber: http://id.wikipedia.org/wiki/ANOVA
TINJAUAN PUSTAKA
H0 : μ1= μ 2 = μ 3 = … = μ k
Seluruh mean populasi adalah sama
Tidak ada efek treatment ( tidak ada keragaman mean dalam grup )
H1 : tidak seluruhnya mean populasi adalah sama
Terdapat sebuah efek treatment
Tidak seluruhmean populasi berbeda ( beberapa pasang mungkin sama )
Partisi Variansi
Variansi total dapat dibagi menjadi 2 bagian :
SST = SSG + SSW
SST = Total sum of squares (jumlah kuadrat total ) yaitu penyebaran.
agregat nilai data individu melalui beberapa level vaktor
SSG/SSB = Sum of squares between-grup ( jumlah kuadrat antara ) yaitu
penyebaran diantara mean sampel factor .
SSW/SSE = Sum of squares within-grup ( jumlah kuadrat dalam ) yaitu
penyebaran yang terdapat diantara nilai data dalam sebuah level
factor tertentu
k ¿
SST =∑ ❑ ∑ ¿ ¿ ¿
i=1 j−1
Dimana
SST = total sum of squares ( jumlah kadarat total )
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Variansi total
k ¿
SSW =∑ ❑ ∑ ¿ ¿ ¿
i=1 j−1
Keterangan :
SSW/SSE = jumlah kuadrat dalam.
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
Rumus untuk mencari varisi diantara grup
k
SSG=∑ ❑¿( x́ i−x́)2
i=1
Keterangan :
SSB/SSG = jumlah kuadrat diantara
k = levels of treatment ( jumlah populasi )
ni = ukuran sampel dari poplasi i
x ij = pengukuran ke-j dari populsi ke-i
x = mean keseluruha ( dari seluruh nilai data )
SSW
MSW =
N −K
SSG
MSG=
K −1
Source
SS df Mean square Fratio
Of varian
SSG
MSB=
Between/grup SSB/SSG k-1 K −1
MSG
F=
MSW
SSW
MSW =
Withtin/error SSW/SSE n-k N −1
A. Teori
Analisis ragam (Analysis of Variance) atau yang lebih dikenal dengan
istilah ANOVA adalah suatu teknik untuk menguji kesamaan beberapa rata-rata
secara sekaligus. Uji yang dipergunakan dalam ANOVA adalah uji F karena
dipakai untuk pengujian lebih dari 2 sampel.
Anova dapat digolongkan kedalam beberapa kritenia, yaitu :
1. Klasifikasi 1 arah
ANOVA kiasifikasi 1 arah merupakan ANOVA yang didasarkan pada
pengamatan 1 kriteria.
2. Klasifikasi 2 arah
ANOVA klasifikasi 2 arah merupakan ANOVA yang didasarkan pada
pengamatan 2 kriteria.
3. Klasifikasi banyak arah
ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan
banyak kriteria.
Pada pembahasan. kali ini, dititikberatkan pada pengujian ANOVA 2 arah
yaitu pengujian ANOVA yang didasarkan pada pengamatan 2 kriteria. Setiap
kriteria dalam pengujian ANOVA mempunyal level.
Contoh :
Galat s32 = s
12
f 2=
(Error) JKG (r – 1) (c – 1) s
32
JKG
(r−1) (c−1)
Total JKT rc – 1
Sumber: Walpole, Ronald E. (1995)
Dimana:
Dimana :
r c
T2 . .
JKT =∑ ∑ x 2 −
i=1 j=1 ij rc JKG = JKT – JKB - JKK
r
∑ T i2
T . .2
JKB= i=1 −
c rc
c
∑ T . j2
T .. 2
JKK = j=1 −
r rc
Anova dua jalur mempertimbangkan 2 faktor yang mengakibatkan terjadinya
penyimpangan (dispersi) dan nilai-nilai yang dihitung dengan standar deviasi atau
varians. Apabila para peneliti inign menguji efektivitas keberdaaan dua buah
factor, yang masing-masing faktornya terbagi atas beberapa kategori, peneliti
dapat,menggunakan
Sumber :http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html
Dengan:
b konstan
b ...b k = 1 koefisien populasi variable independent
e = Random error
Koefisien-koefisien dari persamaan regresi berganda selanjutnya
diestimasi dengan menggunakan sampel-sampel, yang prosesenya serupa dengan
regresi linier sederhana yaitu dengan meminimalkan nilai error, sehingga
diperoleh persamaan regresi:
yˆ = bo + b1 x1i + b2 x2i + ….+ bk xki
Dengan:
b0 = nilai estimasi untuk konstan
b1 ….bk = nilai estimasi untuk koefisien variable independent
Seperti halnya regersi linier sederhana, maka untuk regresi linier berganda,
terlebih dahulu perlu diuji apakah regresi linier ganda yang diperoleh
berdasarakan data sampel berugna atau tidak. Untuk itu dilakukan uji hipotesis nol
bahwa model regresi tidak layak dipakai melawan hipotesis alternative yaitu
model regresi layak dipakai. Uji yang digunakan adalah uji menggunakan statistic
F berbentuk:
MSR SSR/ K
F= 2
=
Se SSE /(n K 1)
Dengan k adalah jumlah variable yang diikutsertakan dala persaman
regresi. Dalam uji hipotesis, digunakan daerah kritis:
Ho ditolak jika F > Fk,n-k-1,α
Hipotesis
H0 : βj = 0
H1 : βj ≠ 0
Statistik Uji
b j−0
t= (df =n – k – 1)
s bj
Analisis variansi
1 faktor
Varietas
V1 V2 V3
Y11 Y21 Y31
Y12 Y22 Y33
. . .
. . .
. . .
Y1n1 Y2n2 Y3n3
2 faktor
V1 V2
P1 p1 v1 p1 v2
P2 p2 v1 p2 v2
P3 p3 v1 p3 v2
V1 V2
P1 y111 y121
y112 122
y11n y12n
V1 V2
P2 y211 y221
212 y222
y21n y22n
V1 V2
P3 y331 y321
y322 y322
y31n y32n
Interakasi dari 2 faktor ; perubahan respon karena perubahan dari tingkat-tingkat
faktor kedua faktor tersebut
1 2 3 ….. k
y11 y21 y31 …. yk
y12 y22 y32 ….. yk2
observasi
….
y1n1 y2n2 y3n3 yknk
Jumlah
total
Analisis variansi
k ¿ 2
∑ ∑ Yij2− Y N…
i=1 j=1
Jkp
k
Yi ..2 Y ..2
∑ ¿ −N
i=1
Table anava
Mula-mula mean tersebut diurutkan dari yang terkecil sampai yang terbesar
Diuji terlebih dahulu mean terbesar dangan yang terkecil , yang terbesar
dengan yang terbesar kedua , dan seterusnya
µ1, µ2, µ3, µ4, µ5
diurutkan
µ1≤ µ2≤ µ3≤ µ4≤ µ5
Ho: µ5= µ1 p=5
H1: µ5 ≠ µ1
Hipotesis
Ho: µ5 = µ1
H0: µ5 = µ2
.
.
.
H0: µ2= µ1
Statistik uji
yi− yj
g=
SE
KRS 1 1
SE
√ ( + )
2 ¿ nj
; (ni≠nj)
KRS
SE
√ n
(ni = nj)
Perbandingan ganda
Ho ditolak jika g > g (f, p, α )
↓
Table distr ‘STUDENZED RANGE)
PEMBAHASAN
1. 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 berikut.
Dengan α 5%
Ho: rata-rata jumlah jam kerja perminggu para manajer tidak sama dari
perusahaan (Buffalo, Pittsburgh, and Detroit)
H1:ada perbedaan yang signifikan rata-rata jumlah jam kerja perminggu para
manajer dari perusahaan (Buffalo, Pittsburgh, and Detroit).
Yi= 275 340 285 →Y…= 900 k= 3 N= 15
Ý I : 55 68 57 → Ý ..= 60 ni=5
JK= ( 2304+ 2916+ 3249+ 2916+ 3844+ 5329+ 3969+ 4356+ 4096+ 5476+
(900)2
2601+ 3969+ 3721+ 2916+ 3136 ) –
15
= 54798- 54000
= 798
= 54490 – 54000
= 490
JKS =JK-JKP = 798- 490
=308
TABEL ANAVA
Sumber d.k Jk Kr f
variansi
Perlakuan 3-1 = 2 490 245 9.55
Sesatan 15-3 = 12 308 25.66
Total 15-1 = 14 1097
Hipotesis :
Tingkat signifikan α = 5%
Kesimpulan
Karena F = 9,55 > F0,05;2;12 = 3,89, maka H0 ditolak. Rata-rata jumlah jam
kerja para manajer perminggu pada tiga perusahaan (Buffalo, Pittsburgh, and
Detroit) tidak sama
Perbandingan ganda
μ 1=55
μ 2=68
μ 3=57 |
55 < 57 < 68
µ1 µ2 µ3
krs = 25.66
n= 5 k= 3 N=15
25.66
SE=
√ 5
= 2.26 α= 0.05 F= 15-3= 12
2. Terdapat 4 metode diet, berikut adalah data 10 orang sampel yang didata rata-
rata penurunan berat badan, setelah sebulan melakukan diet
= 420- 360
= 60
= 40.66
= 19.34
Table anava
Sumber d.k Jk Kr f
variansi
Tingkat signifikansi α= 5 %
Ho = diterima
H1 = di tolak
SUMBER : http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html
3. Dari 5 tablet sakit kepala yang diberikan kepada 25 orang dicatat berapa lama
tablet-tablet itu dapat mengurangi rasa sakit. Ke-25 orang itu dibagi secara
acak ke dalam 5 grup dan masing-masing grup diberi satu jenis tablet. =
0.05
Lamanya Hilang Rasa Sakit
Tablet
A B C D E
5 9 3 2 7
4 7 5 3 6
8 8 2 4 9
6 6 3 1 4
5 9 7 4 7
Total 28 39 20 14 33 134
H1 = ada perbedaan yang signifikan dari kelima tablet sakit kepala tersebut untuk
mengurangi rasa sakit kepala
Yi= 28 39 20 14 33 →Y…=134 k= 5 N= 25
134 2
JK =52 + 4 2 +. ..+7 2−
25
JK =850−718 ,24=131 , 76
282 +393 +.. .+333 134 2
JKP = −
5 25
JKP = 798 - 718,24 = 79,76
JKS = 131,76 - 79,76= 52
Sumber d.k Jk Kr
F hitung
variansi
Perlakuan 4 79,76 19,94
7,67
Sesatan 20 52 2,6
Total 24 131,76
Tingkat signifikansi α= 5 %
Ho = di tolak
H1 = diterima
Kesimpulan = ada perbedaan yang signifikan dari kelima tablet sakit kepala
tersebut untuk mengurangi rasa sakit kepala
Perbandingan Ganda
µ 1=5.6
µ 2=7.8
µ 3=4
µ 4=2.8
µ5=6.6
}
2.8 4 5.6 6.6 7.8
µ1 µ2 µ3 µ4 µ5
2.6
SE:
√ 5
=0.72 α:0.05 F: 25-5= 20
Penjualan
Nn. Mapes Tn. Sonnar Tn. Mafee
Jan 15 15 19
Feb 10 10 12
Mart 9 12 16
April 5 11 16
mei 16 12 17
total 55 60 80
Rata-rata 11 12 16
Ho= tidak ada perbedaan dari ketiga tenaga pemasaran tersebut
H1= ada perbedaan yang signifikan antara ketiga tenaga pemasaran tesebut.
Ý I : 11 12 16 → Ý ..= 13 ni=5
JK= 225+ 100+ 81+ 25+ 256+ 225+ 100+ 144+ 121+ 144+ 361+ 144+ 256+
256+ 289 - ¿ ¿
= 2727-2535
= 192
3025+3600+6400
Jkp= - ¿¿
5
= 2605- 2535
=70
Tabel anava
Sumber d.k Jk Kr f
variansi
Perlakuan 3-1= 2 90 35 3.44
Sesatan 15-3= 12 122 10.16
total 15-1=14 192
Hipotesisi
Tingkat signifikansi α= 5%
F (0.05;4;20) = 3.89
F*= 3.44<3.89
Sumber: http://eprints.undip.ac.id/6795/1/Analysis_of_Variance.pdf
Penyelesaian :
3. = 0.05
5. Perhitungan:
11982
JKT =682 +833 + .. .+612−
16
JKT =1921 .75
3392 +3282 +2842 +2472 1198 2
JKB= −
4 16
JKB=1342. 25
Galat f2 = 1.45
390.75 9 43.42
(Error)
Total 1921.75 15
6. Keputusan :
LKS – Siswa Pandai : 82, 82, 73, 73, 82, 60, 60, 73, 85 , 75 (1)
LKS – Siswa Lemah : 45, 50 , 60, 50, 45, 50, 45, 60, 45, 60 (2)
B. Paket – Siswa Pandai : 63, 63, 63, 55, 65, 73, 55, 55, 65, 55 (3)
B. Paket – Siswa Lemah : 40, 50, 60, 50, 42, 53, 43, 62, 35, 50 (4)
1. Varians –varians:
V1 = 78.5
V2 = 43.3
V3 = 36.8
V4 = 74.3
2. Varians Gabungan :
Sumber: http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html
KESIMPULAN
DAFTAR PUSTAKA
http://id.wikipedia.org/wiki/ANOVA
http://kelompok7iiiastatistikadasar.blogspot.com/2009/11/anova.html
Modul Praktikum StatistikaII Program Studi Statistika Fakultas Matematika Dan Ilmu
Pengetahuan Alam Universitas Gadjah Mada 2007