Statistik bisnis

Anova (analisis varian)

Tujuan : mencari kalau ada perbedaan rata-rata dari :
variabel tak bebas, terkait dengan variabel bebas yang
terkontrol dengan memperhitungkan pengaruh dari
variabel bebas yang tidak terkontrol
Menjelaskan bagaimana menguji hipotesis
Tak ada perbedaan rata-rata lebih dari 2 populasi
(kategori) dengan menggunakan uji F
Analisis varian dan kovarian
Analisis varian
Variabel tak bebas : metrik
Variabel bebas : non metrik
(kategori) biasa disebut
faktor
Analisis kovarian
Variabel tak bebas : metrik
Variabel bebas : non metrik
dan metrik
Analisis varian (ANOVA
Analisis varian satu arah ( one way analysis of
variances) hanya mencakup satu variabel kategori
atau satu faktor. Di dalam analisis varian suatu
perlakukan sama dengan tingkat faktor
Analisis varian melibatkan lebih dari dua faktor
disebut analisis varian n arah (n way analysis of
variance)
Contoh anova
Apakah ada perbedaan rata-rata harga minyak goreng
dari 4 pasar
Variabel tak bebas harus metrik (kuantitatif/rasio):
harga minyak goreng (Y)
Variabel bebas non metrik : 4 pasar (X)
Contoh anova
Apakah ada perbedaan rata-rata pembelian barangg
“A” dari golongan penduduk berpenghasilan rendah,
menengah dan tinggi ?
Apakah ada perbedaan rata-rata tingkat preferensi
terhadap barang A bagi pengguna berat, ringan dan
bukan pengguna ?
Uji perbedaan rata-rata
Perbedaan dua rata-rata (1 - 2) digunakan kriterian
uji t
Perbedaan lebih dari dua rata-rata (1 - 2)
digunakan kriterian uji F melalui analisis varian dan
kovarian
ANALISIS VARIAN SATU ARAH
Peneliti bidang bisnis/pemasaran/manajemen sering
tertarik untuk menguji
Apakah ada perbedaan rata-rata tingkat keinginan
membeli dari para pelanggan terhadap barang A yang
harganya sangat mahal, mahal, tidak mahal ?
Apakah ada perbedaan rata-rata tingkat sikap dari
agen, pengecer, pedagang besar terhadap kebijaksanaan
distribusi pimpinan perusahaan ?
Statistik yang berkaitan
2 (eta kuadrat) : merupakan ukuran kuatnya
pengaruh dari X pada Y. Nilainya 0 -1
Uji F : Untuk menguji Ho bahwa tdk ada perbedaan
rata-rata dari bbrp populasi dg alternatif plg sedikit
ada 2 rata-rata yg berbeda dihitung sebagai rasio atau
perbandingan antara rata-rata jumlah kuadrat dari X
dengan jumlah kuadrat kesalahan (error)
Rata-rata kuadart (mean Square) = jumlah kuadrat
dibagi dengan degrees of freedom
Identifikasi variabel
x&Y

Dekomposisi jumlah
varian

Mengukur pengaruh

Menguji signifikansi

Interpretasi hasil
Identifikasi variabel
Variabel tak bebas (y) (kuantitatif interval atau rasio)
terdiri dari n observasi untuk setiap kategori x
Variabel bebas (x) merupakan kategori, terdiri dari k
kategori atau k tingkat atau level
Jadi seluruhnya ada nk observasi.
Banyaknya elemen dari setiap sample (objek) dari
setiap kategori sama yaitu = n
Mendekomposisi jumlah varian
Yang diteliti adalah variabilitasY dalam sampel
Berdasarkan variabilitas, menentukan apakah ada
alasan untuk mempercayai bahwa rata-rata
sebenarnya dari populasi memang berbeda
Jumlah variasi Y (SSy) = Jumlah variasi antar sampel
(SSx) + jumlah variasi dalam sampel (SSerror)
Mendekomposisi jumlah varian
Variasi dalam sampel
Ukuran seberapa jauh nilai variabel Y bervariasi dalam
kelompok/populasi yg diwakili oleh sampelnya
Asumsi semua kategori mempunyai variasi yang sama
dalam populasi
Variasi antar sampel
Kalau rata-rata populasi sama utk semua kelompok,
kmd variasi dalam rata-rata sampel (perkiraan) dan
besarnya sampel kelomppok bisa digunakan untuk
memperkirakan varian Y
Mengukur pengaruh
2 = SSx/Ssy = (SSx-Sse)/Ssy
Nilai antara 0-1
Nilai 0 : kalau semua rata-rata kategori sama (ho
benar) menunjukkan tak ada pengaruh X terhadap Y
Nilai 1 : kalau tidak ada variasi dalam setiap kateori
(masing-masing kategori homogen)
DEKOMPOSISI VARIAN
SSy = SSx + Sse
Dimana
SSy =  (Yij – Ý)2
SSx =  n (Yj – Ý)2
SSe =  (Xij – Ýj)2
i=1,2,3….n (n=banyaknya elemen sampel)
J=1,2,3….k (k= banyaknya populasi/kategori)
Yij = nilai observasi ke I dari populasi/kategori j
Ýj = rata-rata perkiraan kategori j
Ý = rata-rata seluruh sampel
Uji signifikansi
1)Ho : 1 = 2 =……. k
Ha : 1  1 (paling sedikit ada 2 rata-rata yang tidak
sama)
2) Hitung Fo, kriteria uji F yang diobserve, berdasarkan
tabel analisis varian
Sumber df SS MS= SS/df
variasi
Antar sampel k - 1 SSx SSx/ (k -1)
Dalam k ( n – 1) SSe Sse / k(n-1)
sampel
Jumlah k ( n – 1) SSy
Uji signifikansi
Fo = ((SSx/(k-1): (SSe/k(n-1))
Fo = MSx / Mse dimana MS = SS/df
F0 mengikuti fungsi F dengan df V1 = k-1 & V2=k(n-1)
3) Tentukan, , cari F (v1,v2) dari tabel F dengan df=
V1 dan V2
4) Kesimpulan menolak atau menerima H0
Kalau F o ≥ F (v1,v2) Ho ditolak
Kalau F o ≤ F (v1,v2) Ho diterima
CONTOH
Ada 3 kelompok toko menjual barang A dengan harga
yang berbeda yaitu 39, 44, 48. Ingin diuji apakah rata-
rata hasil penjualan dalam unit sama untuk 3
tingkatan harga dari 3 kelompok toko tersebut
Dari setiap kelompok toko diambil secara acak
sebanyak 5 buah toko kemudian ditanya tentang hasil
penjualannya dalam unit dan hasilnya sebagai beikut :
Contoh
Tingkat 39 44 48
harga/katego
ri kelompok
8 7 4
12 10 8
10 6 7
9 8 9
11 9 7
Rata-rata Y1 = 10 Y2 =8 Y3= 7 Ý = 25/3 = 8.33
Hasil perhitungan
1) Ho : 1 = 2 =3
Ha : 1  1 (paling sedikit ada 2 rata-rata yang tidak sama)
2) Perhitungan Fo untuk nj= n=5 , k= 3 (tiga tingkat harga
dan tiga kelomppok)
SSx =  n (Yj – Ý)2
SSx = 5 ((10-25/3)2 + (8-25/3)2 +(7-25/3)2 = 23.3
Sse= ((8-10)2 + (12-10)2+……(7-7)2=34
MSx = SSx/(k-1)= 23.3/2 = 11.65
Mse = Sse/k(n-1) = 34/12 = 2.8
Ssy = SSx + Sse = 23.3 + 34 =57.3
Sumber df SS MS= SS/df
variasi
Antar sampel k – 1 = 2 SSx=23.3 SSx/ (k -1)=
MSx=11.65
Dalam k ( n – 1) Sse= 34 Sse / k(n-1)
sampel 3(5-1)=12 =Mse=2.8
Jumlah nk-1=14 Ssy =57.3
Hasil F
Fo = 11.65/28 = 4.16
Kalau  =0.05 dari tabel F 0.05(2,12) = 3.89
Kalau  =0.01 dari tabel F 0.01(2,12) = 6.93
Kalau F o 4.16 ≥ F 0.05(2,12) Ho ditolak
Memang ada perbedaan rata-ratahasil penjualan untuk
setiap tingkat harga atau ada pengaruh dari tingkat
harga terhadap hasil penjualan
Analisis varians banyak arah
Ingin diketahui pengaruh dari tingkat harga dan
tingkat distribusi terhadap keinginan pelanggan
membeli barang A
Harga ( sangat mahal, mahal, murah)
Distribusi (sangat lancar, lancar, tidak lancar)
Prosedur untuk analisis varians banyak arah sama
dengan varian satu arah
Analisis varian dua arah dengan variabel bebas yang
non metriks X1 dan X2
 30. Uji Anova

Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih
berbeda secara signifikan atau tidak.

ONE WAY ANOVA

Satu variabel dependen (kuantitatif) dan satu kelompok (kualitatif)
Contoh : apakah pandangan siswa tentang IPS (kuantitatif) berbeda
berdasarkan jenjang pendidikannya (kualitatif : SD, SLTP, SMU)

Satu variabel dependen tetapi kelompok

UNIVARIAT ANOVA berbeda
Contoh : apakah rata-rata ulangan berbeda
berdasar
Variabel dependen
kan klasifikasi lebih
sekolah dari
dan satu tetapi
kelompok
kelompok sama
penelitian
Contoh : apakah rata-rata ulangan dan
pandangan siswa terhadap IPS berbeda untuk
MULTIVARIAT ANOVA tiap daerah
Variabel dependen lebih dari satu dan
kelompok berbeda
Contoh : apakah rata-rata ulangan dan
pandangan siswa terhadap IPS berbeda
berdasarkan klasifikasi
Sekolah dan kelompok penelitian
 31. Uji Anova

ONE WAY ANOVA

k
RJKa JKa J2j J2 Di mana :
F= Σ -
j=1 nj N J = jumlah seluruh data
RJKi =
k nj k N = banyak data
J2j
Jki = Σ Σ X2ij - Σ k = banyak kelompok
j=1 nj
j=1 i=1 nj = banyak anggota kelompok j
Jj = jumlah data dalam kelompok j
Contoh :
Apakah terdapat perbedaan pandangan terhadap IPS siswa SD, SLTP, SMU ?
Ho : μ1 = μ2 = μ3 (tidak terdapat perbedaan sikap)

X1 X2 X3 212 + 72 + 152 432

Jka = - = 19.73
3 1 2 5 15
4 1 2 212 + 72 + 152
Jki = 3 + 4 + 5 … -
2 2 2
= 10
5 2 3 5
Jka
4 1 3 RJKa = = 19.73/2 = 9.865
5 2 5 k-1 F = 9.865 / 0.833
Σ 21 7 15 Jki = 11.838
x 4.2 1.4 3 RJKi = = 10/15-3 = 0.833
N-k
 32. Uji Anova

Sumber Jumlah Derajat Rata-rata F

adanya Kuadrat Kebebasan Jumlah Kuadrat
perbedaan (JK) (df) (RJK)
Antar kelompok 19.73 k–1=2 9.865 11.838
Inter kelompok 10 N – k = 12 0.833

α ; df = 2 dan 12 ; F tabel = 3.88 ; F hitung = 11.838

= 0.05
F hitung > F tabel , maka Ho ditolak
Terdapat perbedaan pandangan siswa SD, SLTP, SMU terhadap IPS

Cara membaca tabel F :

1.Arah horisontal adalah numerator, df nya antar kelompok
2.Arah vertikal adalah denominator, df nya inter kelompok
3.Skor dalam tiap sel  bagian atas adalah untuk 95% dan bagian bawah untuk 99%

Contoh : kasus di atas,

df antar kelompok 2 ; df inter kelompok 12 ; distribusi F 95%
Maka membaca tabelnya adalah horisontal lihat kolom df 2, vertikal lihat baris 12
Lalu lihat angka pada sel pertemuan 2 dan 12 bagian atas yakni 3.88
Maka F tabel adalah 3.88
 One way anova 32. Uji Anova

Apakah ada perbedaan rata-rata penghasilan sesudah sertifikasi jika dilihat dari
asal wilayah ?
Ho = rata-rata penghasilan tidak berbeda dilihat dari asal wilayah
Descriptives
penghasilan sesudah lulus sertifikasi
95% Confidence Interval for
Mean

N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
jabar 3094736,8
19 269719,369 61877,867 2964736,27 3224737,42 2400000 3700000
4
jateng 3057142,8
14 194992,251 52113,871 2944557,68 3169728,03 2600000 3400000
6
jatim 3194444,4
18 285888,136 67384,480 3052275,62 3336613,27 2800000 3800000
4
NTT 3152631,5
19 368734,203 84593,428 2974907,38 3330355,78 2100000 3700000
8
Papua 3325000,0
20 297135,447 66441,506 3185936,33 3464063,67 2700000 3800000
0
Total 3172222,2
90 301691,031 31801,027 3109034,26 3235410,19 2100000 3800000
2

ANOVA
Test of Homogeneity of Variances penghasilan sesudah lulus sertifikasi
penghasilan sesudah lulus sertifikasi
Sum of
Squares df Mean Square F Sig.
Between Groups 782483291 19562082289
Levene 4 2,272 ,068
562,238 0,560
Statistic df1 df2 Sig. Within Groups 731807226 86094967811,
85
3993,310 687
1,263 4 85 ,291
Total 810055555
89
5555,550

Ho : varians populasi identik

Probabilitas > 0.05 Ho diterima F hitung < F tabel maka Ho diterima
penghasilan tidak berbeda
Berdasarkan asal wilayah