You are on page 1of 19

Analisis Variansi (ANOVA) 2011

BAB I Analisis variansi (ANOVA)
1. Gambaran Umum ANOVA Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktek, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan). Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antar contoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean). Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan bahkan dalam dunia teknik seperti Teknik Sipil. 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 dan 2 sampel. Anova dapat digolongkan kedalam beberapa kriteria, yaitu: 1. Klasifikasi 1 arah ANOVA klasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1 kriteria. 2. Klasifikasi 2 arah ANOVA kiasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2 kritenia. 3. Klasifikasi banyak arah ANOVA banyak arah merupakan ANOVA yang didasarkan pada pengamatan banyak kriteria. Asumsi pengujian ANOVA : 1. Populasi yang akan diuji berdistribusi normal 2. Varians/ragam dan populasi yang diuji sama 3. Sampel tidak berhubungan satu dengan yang lain

1

Maureen Shinta Devi (3111201902)

Terjadinya “differential 2 Maureen Shinta Devi (3111201902) . Hal ini dapat menyebabkan terjadinya “differential settlement”(perbedaan dalam pergerakan muai-susut tanah).2. Inisal. air (water). Dan untuk sketsa butiran tanah yang padat dengan pori yang terisi air dan udara dapat dilihat pada Gambar 2. 2.1.1 Studi Kasus Tanah adalah material yang terdiri dari butiran mineral-mineral padat (agregat) yang tidak tersementasi satu sama lain. dan udara (air). dimana tanah akan mengembang bilamana tanah menjadi basah (pada musim penghujan) dan menyusut apabila kering (pada musim kemarau). Ini berarti tanah tersebut memiliki ciri-ciri kembang susut yang besar. Gambar 2. Besarnya pengembangan dan penyusutan tanah tersebut biasanya tidak merata dari satu titik ke titik yang lain. dimana diantara butiran terdapat ruang-ruang kosong yang terisi oleh zat cair dan udara.1).2.Komposisi Tanah Gambar 2.Sketsa Butiran Tanah Beserta Pori Sebagian tanah pada daerah Cepu-Bojonegoro ternyata mempunyai sifat sebagai tanah mengembang (expansive soils). Komposisi tanah terdiri dari butiran tanah yang padat (solid). dan atau dari bahan organik yang melapuk. Studi Kasus One-Way ANOVA 2.Analisis Variansi (ANOVA) 2011 Tujuan dan pengujian ANOVA ini adalah untuk mengetahui apakah ada pengaruh dan berbagai kriteria yang diuji terhadap hasil yang diinginkan. seorang manajer produksi menguji apakah ada pengaruh kebisingan yang ditimbulkan oleh mesin-mesin produksi di pabrik pada hasil perakitan sebuah komponen yang cukup kecil dan sehuah sirkuit yang memerlukan konsentrasi yang tinggi dan seorang operator rakit. (Lihat Gambar 2.

Misal saja bila tanah tersebut bisa mengembang atau mengerut dalam skala yang besar berarti tanah tersebut memiliki volume ruang pori yang cukup besar juga.39 45 36. kini terisi oleh kapur.09 7. 0% 3% 6% 9% 12% 15% Sampel 1 82. Masukkan “Variabel Prosentase Swelling  Dependent List”.77 22. “Variabel Prosentase Kapur  Factor” 3 Maureen Shinta Devi (3111201902) .18 22.1 Tahapan Pengerjaan Menggunakan : a.3 Analisis Data 2. lantai rumah bergelombang.34 24.3.1 10.66 50. Untuk mencari prosentase jumlah kapur yang paling tepat untuk meng-hasilkan perbaikan tanah mengembang. Seperti dinding tembok rumah pecah/retak. dan masih banyak lagi.93 4 90 78.79 33.14 60 34. SPSS 1. jalan raya yang bergelombang disertai adanya keretakan. Analyze  Compare Means  One-Way ANOVA 4.11 23. jika dilakukan pengetesan kadar kapur yang dapat dicampurkan dalam tanah dasar untuk mengetahui prosentase swelling yang terjadi dari tanah mengembang tersebut.94 5 78 58.45 14.1-Data Prosentase Swelling terhadap Jumlah Kapur 2. Ruang pori yang besar tersebut terisi air maupun udara dengan kondisi sesuai musim. Suatu percobaan di laboratorium tanah dilakukan terhadap benda uji berupa tanah asli yang memiliki klasifikasi terhadap USCS yaitu CH yang merupakan jenis tanah lempung dengan plastisitas tinggi. jadi kuncinya terletak pada ruang pori tersebut.Analisis Variansi (ANOVA) 2011 settlement” menyebabkan banyak kerugian karena kerusakan-kerusakan yang timbul pada bangunan.63 3 65. Beri nama variable dan masukkan data sesuai variable yang telah dinputkan 3. Salah satu cara adalah mencampurkan kapur kedalam tanah dasar sehingga ruang pori yang semula berisi air ataupun udara.13 15. Masukkan data ke dalam sheet SPSS 2.98 Tabel 2.16 15.91 2 62. Bila tanah akan mengembang bilamana tanah menjadi basah (pada musim penghujan) dan menyusut apabila kering (pada musim kemarau).66 10. Bila kita dapat menghambat perubahan volume ruang pori yang cukup besar. menyebabkan porsi udara dan air dalam ruang pori semakin mengecil.6 32.2 Data Percobaan Prosentase Swelling Bila Prosentase Jumlah Kapur : No. maka kembang susut yang besar dapat kita minimalisir.99 18.89 44. Alternative dalam mengatasi masalah adalah mengurangi dampak adanya perubahan musim terhadap kondisi tanah dasar.04 27.42 19.75 18. 2.83 21.

Minitab 1. “Variabel Prosentase Kapur  Factor” 5.2 Hasil Analisis : a.3. b. Stat  ANOVA  One-Way 4. Masukkan data ke dalam sheet MINITAB 2. OK 5. Untuk menghitung Uji Perbandingan berganda  Klik Comparissons  Centang Tukey masukkan bilangan 5  continue 6. SPSS 4 Maureen Shinta Devi (3111201902) . OK 2. Beri nama variable dan masukkan data sesuai variable yang telah dinputkan 3. Untuk menguji homogenitas varians  Klik Option  Centang Homogeneity of variance test  continue 7. Masukkan “Variabel Prosentase Swelling  Dependent List”.Analisis Variansi (ANOVA) 2011 Untuk menghitung Uji Perbandingan berganda  Klik Post Hoc  Centang Bonferoni dan Scheffe  continue 6.

Analisis Variansi (ANOVA) 2011 5 Maureen Shinta Devi (3111201902) .

Analisis Variansi (ANOVA) 2011 6 Maureen Shinta Devi (3111201902) .

MINITAB Tabel Anova Letak Interval Data Tiap Level 7 Maureen Shinta Devi (3111201902) .Analisis Variansi (ANOVA) 2011 b.

Analisis Variansi (ANOVA) 2011 Uji Perbandingan Berganda (Multiple Comparison Test) 8 Maureen Shinta Devi (3111201902) .

Analisis Variansi (ANOVA) 2011 9 Maureen Shinta Devi (3111201902) .

beban manusia.Analisis Variansi (ANOVA) 2011 2.32 7.06 19. jika dilakukan pengetesan kadar kapur yang dapat dicampurkan dalam tanah dasar untuk mengetahui prosentase swelling yang terjadi dari tanah mengembang tersebut merupakan percobaan kedua.77 4.66 19.87 6.40 4.00 16.98 13.28 4. bagaimanakah prosentase mengembangnya.01 7.33 21. tanah dasar tersebut telah dibebani berbagai macam beban.66 4.22 9.35 6.00 11. bila ruang pori tersebut telah terisi kapur maka vulome ruang pori menjadi lebih kecil. Bila tanah dasar memampat maka dapat dinyatakan kekuatan tanah dasarnya meningkat.45 6.08 15.87 20.99 7.37 8.40 6.33 4.50 6. Studi Kasus Two-Way ANOVA 3.30 5.78 7.44 6.44 15.69 16.890 10 Maureen Shinta Devi (3111201902) .00 4.98 Free Swell 56. Kini dilakukan percobaan kedua yang menganalisis tanah yang telah tercampur oleh kapur tersebut dibebani oleh suatu besaran tertentu.5 20.69 49.05 48.00 7.58 4.87 23.41 19.32 6.44 15. Karena seperti diungkapkan sebelumnya bahwa tanah yang memiliki kembang susut besar menunjukkan volume ruang pori yang besar juga.3 Kesimpulan : Baik dari SPSS maupun Minitap menunjukkan Pvalue = 0.05 19. 3.  Semakin besar kadar kapur yang dicampurkan dalam tanah dasar. Suatu percobaan di laboratorium tanah dilakukan terhadap benda uji berupa tanah asli yang memiliki klasifikasi terhadap USCS yaitu CH yang merupakan jenis tanah lempung dengan plastisitas tinggi.50 4. Untuk mencari prosentase jumlah kapur yang paling tepat untuk meng-hasilkan perbaikan tanah mengembang.05 7. Dengan adanya beban yang cukup berat tersebut. maka kemampuan tanah untuk mengembang semakin mengecil.00 0.77 6.dll. Berarti faktor “variable prosentase kapur” berpengaruh terhadap “variable prosentase swelling”.98 7.02 4.89 13. beban mati bangunan diatasnya.00 12.10 5.54 8.64 19.05 16.2 Data Percobaan Beban Surcharge (kg/cm2) Prosentase Jumlah Kapur 0% 3% 6% 9% 12% 15% 1 15.60 5. Apalagi bila campuran kapur yangcukup besar prosentasenya.78 20. Seperti beban kendaraan.89 18.1 Studi Kasus Dalam kenyataan.00 4.90 7.00 4.00 dimana Pvalue <  = 0.36 14. karena angka porinya semakin ditekan lagi menyebabkan volume ruang pori semakin mengecil. 3.94 6.78 15.05 Ini menunjukkan bahwa Tolak Ho yang menandakan Terima H1.98 5.63 18.47 7.98 50.46 11.33 10.90 5.00 4.77 4.3.00 6.55 6. tanah dasar semakin memampat.

3 Analisis Data 3. Masukkan “Variabel Prosentase Swelling  Dependent List”. OK c. Beri nama variable dan masukkan data sesuai variable yang telah dinputkan 9. “Variabel Prosentase Kapur  Factor” “Variabel Beban Surcharge  Factor” 11. Masukkan “Variabel Prosentase Swelling  Dependent List”.1 Tahapan Pengerjaan Menggunakan : a. OK 11 Maureen Shinta Devi (3111201902) . SPSS v 16 1. Untuk menghitung Uji Perbandingan berganda  Klik Post Hoc  Masukkan Variable Prosentase Kapur dan Variable Beban Surcharge ke dalam kolom Post Hoc Tes For  Centang Bonferoni  continue 12. Untuk menguji homogenitas varians  Klik Option  Masukkan Overall  Centang Homogeneity of variance test  continue 13.3. Analyze  CoGeneral Linier Model Univariate 10. Masukkan data ke dalam sheet MINITAB 2.Analisis Variansi (ANOVA) 2011 3. Beri nama variable dan masukkan data sesuai variable yang telah dinputkan 3. “Variabel Prosentase Kapur  Factor” “Variabel Beban Surcharge  Factor” 5. Minitab 1. Stat  ANOVA  Two-Way 4. Masukkan data ke dalam sheet SPSS 8.

Analisis Variansi (ANOVA) 2011 3. SPSS Uji Kesamaan Varians (Homogebity of Varians) 12 Maureen Shinta Devi (3111201902) .2 Hasil Analisis : a.3.

Analisis Variansi (ANOVA) 2011 Tabel ANOVA Uji Perbandingan Berganda (Multiple Comparisson Test) 13 Maureen Shinta Devi (3111201902) .

Analisis Variansi (ANOVA) 2011 14 Maureen Shinta Devi (3111201902) .

bila ruang pori tersebut telah terisi kapur maka vulome ruang pori menjadi lebih kecil. Berarti faktor “variable prosentase kapur” dan “variable beban surcharge” berpengaruh terhadap “variable prosentase swelling”. maka kemampuan tanah untuk mengembang semakin mengecil. Karena seperti diungkapkan sebelumnya bahwa tanah yang memiliki kembang susut besar menunjukkan volume ruang pori yang besar juga. maka kemampuan tanah untuk mengembang semakin mengecil.  Semakin besar kadar kapur yang dicampurkan dalam tanah dasar.00 dimana Pvalue <  = 0.  Semakin besar beban surcharge yang diberikan ke tanah dasar.Analisis Variansi (ANOVA) 2011 b. Apalagi bila campuran kapur yangcukup besar prosentasenya. sehingga prosentase welling semakin mengecil.3 Kesimpulan : Baik dari SPSS maupun Minitap menunjukkan Pvalue = 0. MINITAB 3. 15 Maureen Shinta Devi (3111201902) . maka tanah dasar semakin memampa karena volume ruang pori semakin tertekan.05 Ini menunjukkan bahwa Tolak Ho yang menandakan Terima H1. Semakin besar beban yang diberikan terhadap tanah dasar. Begitu juga beban yang dipikul oleh tanah dasar ikut berpengaruh terhadap prosentase swelling.3.

3 Analisis Data 2. Masukkan data ke dalam sheet SPSS 2.97 62.98 16 . SPSS 1.91 5. 2.10 10.03 7.11 23.30 5. Dalam pengolahan data swelling index terdapat beberapa variable yang menentukan.78 43.16 0. Anlyze  Data Reduction  Factor 3.86 16.552 9 2. Masukkan semua variabel ke dalam “Variables” Maureen Shinta Devi (3111201902) 1 3 Jumlah Pukulan 16 20 45 55 52 50 4 wc % 80 69 67 55 53 50 5 SL 6 PL 7 LL 8 PI 9 LI 10 Sweliing Index % 82.13 15.13 30.33 33.  Kelompok satu dengan kelompok lainnya memiliki karakteristik yang berbeda.00 35.51 67.26 5.2 Data Percobaan 2 Prosentase  Kapur 2 (kg/cm ) % 2. 2.00 69.11 3.558 6 2.545 15 2.31 21. Untuk mengelompokkan data baru berdasarkan model yang telah terbentuk pada model analisis faktor  Variabel memiliki skala kontinyu  Variabel-variabel dengan karakteristik yang sama akan dikumpulkan/diperpadat menjadi satu kelompok dan kelompok tersebut merupakan variabel baru.14 60. Gambaran Umum Analisis Faktor  Analisis Multivariat memiliki tujuan diantaranya : 1.3.79 0.00 76.67 20.1 Umum Merupakan lanjutan bab II dimana pembahasan mengenai swelling index.57 0 2.1 Tahapan Pengerjaan Menggunakan : a.68 22.65 2.32 9.62 3.13 0.Analisis Variansi (ANOVA) 2011 BAB II Analisis Multivariat 1.548 12 2.48 38.78 33.53 88.564 3 2.41 78.44 6.49 8. Untuk mereduksi/memperpadat variabel data menjadi variabel yang bejumlah sedikit.44 36. Studi Kasus 2. 2.00 34. Variable tersebut dapat dilihat pada data percobaan dibawah ini.

Analisis Variansi (ANOVA) 2011 4. 6. Klik Graphs  Centang “Scree Plot” dan “Loading Plot for First 2 Factors” 5.3. b. OK 2. Klik Extraction  Centang “Scree Plot” Klik Rotation  Pilih “Varimax” Klik Scores  Centang “Display factor score coefficient matrix” Klik Options  “ centang “Sorted by size” OK Minitab 1. SPSS 17 Maureen Shinta Devi (3111201902) . Stat  Multivariate  Factor Analysis 2. Klik Results  Centang “Loadings and Factor Score Coefficient” dan “Sort Loadings” 6. 8.2 Hasil Analisis : a. 5. 7. Masukkan semua variabel ke dalam “Variables” 3. Centang “Principle Components” 4.

Analisis Variansi (ANOVA) 2011 18 Maureen Shinta Devi (3111201902) .

0.0.0.114 X1 .0.055 X6 + 0.112 X5 .0. Kesimpulan Hanya terbentuk 1 model : Faktor 1 : 0.113 X9 .112 X7 + 0.103 X3 .Analisis Variansi (ANOVA) 2011 3.113 X4 + 0.113 X2 .112 X8 + 0.106 X10 Dengan variable-variable : X1 : Berat Jenis X2 : Prosentase Kapur X3 : Jumlah Pukulan X4 : Kadar air (wc) X5 : Shrinkage Limit (SL) X6 : Plastic Limit (PL) X7 : Liquid Limit (LL) X8 : Plasticity Index (PI) X9 : Liquidity Index (LI) X10 : Swelling Index 19 Maureen Shinta Devi (3111201902) .