Basic Statistics - 11 - F - Test

NURUL FITRIYANI, S.Si., M.Si.
nurul.fitriyani@unram.ac.id
FMIPA UNIVERSITAS MATARAM

2017
 Estimasi Parameter
 Pengujian Hipotesis
 Uji t , Uji F , Uji Chi Square
 Analisis Regresi dan Korelasi
Basic Statistics - 2017 2

Uji Kesamaan
Variansi Populasi
F - test
Uji Kesamaan
Rata-rata Populasi
(ANOVA)
Berikut diberikan tabel berisi Data Hasil Prestasi
Belajar Statistik antara Kelompok Mahasiswa yang
Menggunakan Metode Kooperatif dan Metode
Konvensional.

Nomor Metode Metode
Responden Kooperatif Konvensional
1 6 2
2 3 1
3 5 3
4 2 1
5 5 3
6 1 2
7 2 2
8 3 1
9 1 3
10 3 1
11 2 1
12 4 1
13 3 3
14 4 2
15 2 1
16 3 2
17 1 2
18 5 1
19 1 -
20 3 -
21 1 -
22 4 -
n1 = 22 n2 = 18
𝑥ҧ1 = 2,91 𝑥ҧ2 = 1,78
s1 = 1,51 s2 = 0,81
s12 = 2,28 s22 = 0,65
Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil
Cek Homogenitas Varians dengan Uji F :
H0 : varians homogen
H1 : varians tidak homogen

Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil

𝒗𝒂𝒓𝒊𝒂𝒏𝒔𝒊 𝒕𝒆𝒓𝒃𝒆𝒔𝒂𝒓 2,28
𝑼𝒋𝒊 𝑭 = = = 𝟑, 𝟓𝟎𝟖
𝒗𝒂𝒓𝒊𝒂𝒏𝒔𝒊 𝒕𝒆𝒓𝒌𝒆𝒄𝒊𝒍 0,65
Ftabel = Fdbpembilang , dbpenyebut

= F21, 17
= 2,22 (antara 2,23 dan 2,19, CEK !!)
Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil
Fhitung > Ftabel

Tolak H0
Sehingga, kesimpulannya varians tidak homogen.

Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil

Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil

Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil
Interpolasi ( I ) nilai tabel yang tidak tersedia :
𝒓𝒂𝒏𝒈𝒆 𝑭 𝒗𝒂𝒍𝒖𝒆
𝑰= ∙ 𝒄𝒖𝒓𝒓𝒆𝒏𝒕 𝒅𝒇 − 𝒍𝒐𝒘𝒆𝒔𝒕 𝒅𝒇
𝒓𝒂𝒏𝒈𝒆 𝒅𝒇
Hasil interpolasi = Fmin - I

Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil
Interpolasi ( I ) nilai tabel F dengan db pembilang 21 :
𝟐,𝟐𝟑−𝟐,𝟏𝟗
𝑰= ∙ 𝟐𝟏 − 𝟐𝟎 = 𝟎, 𝟎𝟏
𝟐𝟒−𝟐𝟎
Hasil interpolasi = Fmin – I = 2,23 – 0,01 = 2,22

Example
The concentration of blue green algae was obtained

for 7 phytoplankton-density samples taken from each
of two lake habitats. Determine if there is a difference
in the variability of phytoplankton density between
the two habitats.
1) H0: s12 = s22
2) H0: s12  s22
 Assume: Independence (randomly selected
samples) and that BOTH populations are
normal.
 a = 0.05
 Draw a sample of 7 from each habitat,
calculate the variances and the F ratio.
Habitat 1 Habitat 2
Observation 1 7.6 5.9
Statistic Habitat 1 Habitat 2
SYi 27.6 76.4
SYi2 150.52 1074.6
CF 41.70 240.75
g 6 6
S2 6.95 40.12
S 2.64 6.33
Mean (`Y) 3.94 10.91
Then calculate the F value as;
Fvalue = S22 / S12 = 40.12 / 6.95 = 5.77
Calculate the critical region, given a = 0.05 and a TWO

TAILED alternative, and knowing that the degrees of
freedom are g1=6 and g2=6, (note that both are equal).
Ftabel = 4,48  reject H0

Fvalue = 5.77 > Ftabel = 4,48
There is a difference in the variability of

phytoplankton density between the two habitats.

Remember the 2 - Mean t – Test ?
Ex : A salesman in car sales wants to find the difference between
two types of cars in terms of mileage:
Mid-Size Vehicles Sports Utility Vehicles

The salesman took an independent sampling from
each population of vehicles :
Level n Mean StDev
Mid-size 28 27.101 mpg 2.629 mpg
SUV 26 20.423 mpg 2.914 mpg
The 2 - mean t –Test will do this data.

What if the salesman wanted to compare
another type of car, Pickup Trucks in addition to
the SUV’s and Mid-size vehicles?
Level n Mean StDev
Midsize 28 27.101 mpg 2.629 mpg
SUV 26 20.423 mpg 2.914 mpg
Pickup 8 23.125 mpg 2.588 mpg
In a 2 - mean t – Test, we see if the difference
between the 2 sample means is significant.
The ANOVA is used to compare multiple means,

and see if the difference between multiple sample
means is significant.
 Serupa dengan pembandingan dua rata-rata,
hanya pada analisis varian dibandingkan
beberapa rata-rata secara simultan.
 ANOVA merupakan pengujian hipotesis yang
didasarkan pada distribusi F.

ANOVA 1 Arah
F - test
(ANOVA)
ANOVA > 1 Arah

 Unit-unit percobaan di letakkan secara acak terhadap
perlakuan, dengan unit homogen.
 Hanya ada satu faktor atau variabel independen,

dengan beberapa level perlakuan.
 Analisis yang digunakan : one-way Anova (Anova 1 arah)

 Menyelidiki perbedaan diantara rata-rata respon dari
dua atau lebih populasi.
 Contoh :
▪ Tipe-tipe ban roda,
▪ Temperatur pemanasan

 Sampel diambil secara random dan independen.
 Populasi untuk F test cukup kuat terhadap distribusi

normal.
 Populasi mempunyai kesamaan variansi, untuk jumlah

sampel sama pada tiap populasi syarat ini bisa
diabaikan.
Grup 1 Grup 2 …. Grup k
Data X11,…,X1n1 X21,…,X2n2 …. Xk1,…,Xknk
Mean X1 X2 …. Xk
Variansi S 12 S22 …. S k2

 Sampel diambil secara random dan independen.
 Populasi untuk F test cukup kuat terhadap distribusi

normal.
 Populasi mempunyai kesamaan variansi, untuk jumlah

sampel sama pada tiap populasi syarat ini bisa
diabaikan.
H 0 : 1   2   c
▪ Semua rata-rata populasi sama
▪ Tidak ada pengaruh perlakuan (tidak ada perbedaan diantara
rata-rata grup)
H1 : Tidak semua i sama

▪ Minimal satu rata-rata populasi berbeda (yang lainnya sama)
▪ Ada efek atau pengaruh perlakuan
▪ Tidak berarti bahwa semua populasi berbeda
H 0 : 1   2   c
H0 Diterima
1   2  3 36
H 0 : 1   2   c
H0 Ditolak
1   2  3 1  2  3
Variasi Total : JKT
Jumlah Kuadrat Total
Variasi disebabkan oleh Variasi disebabkan oleh sampling

= perlakuan : JKP + random : JKG
Sering disebut dengan : Sering disebut dengan:

▪ Jumlah Kuadrat Perlakuan ▪ Jumlah Kuadrat Error/ Galat
▪ Sum of Squares Between ▪ Sum of Squares Within
▪ Sum of Squares Model ▪ Sum of Squares Error
▪ Sum of Squares Unexplained
▪ Sum of Squares Explained
▪ Within Groups Variation
▪ Sum of Squares Treatment
▪ Among Groups Variation
JKT = JKP + JKG
t r t r t r
 y
j1 i 1
ij  y •• 
2
  y
j1 i 1
•j  y •• 
2
  y
j1 i 1
ij  y• j 
2
▪ Perlakuan : t (kolom ke - j)
▪ Tiap level t diulang sebanyak : r (baris ke - i)
▪ Jadi jumlah unit percobaan : t*r = n

39
JKT – Jumlah Kuadrat Total
t r t r
 y  
2
y••
 y•• 2
 2
yij 
tr
ij
j1 i 1 j1 i 1

JKP – Jumlah Kuadrat Perlakuan
t
t r  2
y• j
 y 
2
j1 y ••
•j  y •• 2
 
j1 i 1
r tr
merupakan variasi di antara rata-rata.

Response, X
Group 1 Group 2 Group 3

JKG – Jumlah Kuadrat Galat
JKG = JKT – JKP

Kuadrat Tengah
JKP
KTP 
t -1
JKG
KTG 
n-t
F – hitung
KTP
Fhitung 
KTG
Fhitung > Fα(t – 1 , n – t), maka H0 ditolak

Fhitung  Fα(t – 1 , n – t), maka H0 diterima
Summary Table
Sumber Derajat Jumlah Rata-rata
F - Hitung
Variasi bebas kuadrat Jumlah Kuadrat
KTP =
Perlakuan t–1 JKP KTP/KRG
JKP/(t – 1 )
KRG =
Galat n–t JKG
JKG/(n – t )
Total n–1 JKT= JKP + JKS

merupakan perbandingan dari variansi antar
perlakuan dan variansi dalam perlakuan.
▪ Nilai variansi antar perlakuan yang relatif besar menuntun

pada penolakan H0.
▪ Nilai perbandingan akan relatif kecil jika H0 diterima.
▪ Nilai dari FHitung selalu positif.

47
Sebagai manager produksi, anda ingin mengetahui mengenai mesin
pengisi berdasarkan rata-rata waktu pengisiannya, dengan data
pada tabel. Pada tingkat signifikansi 5 % , adakah perbedaan rata-
rata waktu?
Mesin 1 Mesin 2 Mesin 3

25.40 23.40 20.00
26.31 21.80 22.20
24.10 23.50 19.75
23.74 22.75 20.60
25.10 21.60 20.40
27
25.40 23.40 20.00
•
26.31 21.80 22.20 26
•
24.10 23.50 19.75 25 •
23.74 22.75 20.60 X1
25.10 21.60 20.40 24 •
• ••
23
22
•
X2 • X
X1  24.93 X 2  22.61 ••
21
X 3  20.59 X  22.71 ••
20
•
X3
19 •

Perlakuan (t) :3
Ulangan tiap level t (r) : 5
Jumlah unit total (n) : 3 x 5 = 15

25.40 23.40 20.00
26.31 21.80 22.20
24.10 23.50 19.75
23.74 22.75 20.60
25.10 21.60 20.40
124.65 113.05 102.95 340.65

JKT – Jumlah Kuadrat Total
 
t r

2 2
y •• 340.65
yij 
2
 25.40  23.40    20.40 
2 2 2
j1 i 1
tr 15
 58.2172

j1
y•2 j
2
y •• 124.652  113.052  102.952 340.652
  
r tr 5 15
 47.1640

JKG – Jumlah Kuadrat Galat
JKG = JKT – JKP

= 58,2172 – 47,1640
= 11,0532

Summary Table
Sumber Derajat Jumlah Rata-rata
F - Hitung
Variasi Bebas kuadrat Jumlah Kuadrat
Perlakuan 2 47.1640 23.5820 25.60
Galat 12 11.0532 0.9211
Total 14 58.2172

Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil

Variansterbesar
Varianster
Varianster besar
kecil
Varianster besar
Variansterkecil
Variansterkecil

Fhitung : 25,6
Ftabel : 3,88 (0,05; 2; 12)
Tolak H0, terdapat bukti yang kuat bahwa minimal

terdapat 1 rerata perlakuan yang tidak sama.
Perlakuan mana kah yang tidak sama ?

Perlakuan mana kah yang tidak sama ?
Untuk menguji beda rerata perlakuan, gunakan Uji

TUKEY – KRAMER (beda nyata jujur), BNT (beda
nyata total), atau Uji Duncan.

HASIL ANOVA
H0 Diterima H0 Ditolak
(Rerata Perlakuan sama) (Rerata Perlakuan beda)
Mana yg berbeda ?
UJI BEDA ANTAR

RERATA PERLAKUAN
UJI BEDA
ANTAR RERATA
PERLAKUAN
TUKEY atau PERBANDINGAN

BEDA NYATA
BEDA NYATA BERGANDA
TERKECIL (BNT)
JUJUR (BNJ) DUNCAN

Hipotesis H0 : i   j i j
H1 : i   j
Pembandingan ganda Tukey, membandingkan selisih

mutlak rata-rata dengan daerah kritis.
 =   X 61
1 2 3
Untuk ukuran sampel sama
BNJ  qa a, f 
KTGalat
n Ukuran
sampel
Banyaknya perlakuan
db galat

Untuk ukuran sampel berbeda
qa a, f  1 1
BNJ  KTGalat   
2  ni n j 
 
Ukuran sampel
perlakuan ke-j
Ukuran sampel
perlakuan ke-i 63
Langkah – Langkah :
1. Hitung nilai BNJ.
2. Urutkan rerata perlakuan dari yang terkecil sampai
yang terbesar atau sebaliknya.
3. Hitung beda antara rerata perlakuan ke-i dan ke-j.
4. Bandingkan dengan nilai BNJ.

Kriteria Pengambilan Keputusan
H0 ditolak jika y i.  y j.  BNJ

Selisih Mutlak Rata-rata
25.40 23.40 20.00
26.31 21.80 22.20
24.10 23.50 19.75
23.74 22.75 20.60
25.10 21.60 20.40
X 1  X 2  24.93  22.61  2.32

X1  24.93 X 2  22.61
X 1  X 3  24.93  20.59  4.34
X 3  20.59 X  22.71
X 2  X 3  22.61  20.59  2.02
Daerah Kritis (sampel sama)
BNJ  qa a, f 
KTGalat
n Ukuran
sampel
Banyaknya perlakuan db galat
BNJ  q0.05 3,12

0.9211
15
 (3.674).(0.2478)
 0.91 67
Kesimpulan Uji Tukey
Semua selisih rata-rata lebih besar dari nilai kritis. Jadi,

terdapat perbedaan yang signifikan antar masing-masing
pasangan rata-rata pada tingkat signifikansi 5%.

 Perlakuan terdiri atas 2 faktor atau lebih yang
dicoba secara serentak (bersamaan) pada suatu
percobaan.
 Jumlah derajat bebas (db) dan jumlah kuadrat

perlakuan (JKP) diuraikan atas faktor-faktor yang
terlibat dalam percobaan dan interaksinya; yang
bersifat ADDITIF.
Model 2 Faktor :

Komponen perlakuan (τ) dipecah menjadi
pengaruh utama A, pengaruh utama B, dan
interaksi A*B.

Yijk = data pengamatan pada unit ke-k yang memperoleh
perlakuan kombinasi ij (level ke-i faktor A dan ke-j faktor B).
μ = rerata umum
αi = pengaruh faktor A pada level ke-i
βj = pengaruh faktor B pada level ke-j
(αβ)ij = pengaruh interaksi level ke-i faktor A dan ke-j faktor B
εijk = pengaruh galat unit percobaan ke-k yang memperoleh
perlakuan kombinasi ij (level ke-i faktor A dan ke-j faktor B).

75
78
Seorang mahasiswi meneliti pengaruh 3 jenis nangka
(N) dan 3 macam suhu pemanasan (S) penggodokan
terhadap daya simpan dodol nangka. Percobaan
faktorial ini menggunakan RAL, yang pelaksanaannya
dilakukan di Laboratorium. Tiap perlakuan kombinasi
diulang sebanyak 4 kali.

Hipotesis :
83
Faktor Koreksi :
Jumlah Kuadrat Total :

Jumlah Kuadrat Perlakuan :
Jumlah Kuadrat Galat :

Penguraian JKP
Jumlah Kuadrat Perlakuan Nangka :

Penguraian JKP
Jumlah Kuadrat Perlakuan Suhu :

Penguraian JKP
Jumlah Kuadrat Interaksi :

Derajat Bebas :

Kuadrat Tengah :

Tabel Anova :

Kesimpulan Anova :

Next : Chi Square Test

Basic Statistics - 11 - F - Test

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Basic Statistics - 11 - F - Test

Uploaded by

Copyright:

Available Formats

NURUL FITRIYANI, S.Si., M.Si.

FMIPA UNIVERSITAS MATARAM

 Uji t , Uji F , Uji Chi Square

 Analisis Regresi dan Korelasi

Basic Statistics - 2017 2

Basic Statistics - 2017 6

Cek Homogenitas Varians dengan Uji F :

Basic Statistics - 2017 9

Cek Homogenitas Varians dengan Uji F :

Ftabel = Fdbpembilang , dbpenyebut

Cek Homogenitas Varians dengan Uji F :

Fhitung > Ftabel

Basic Statistics - 2017 11

Basic Statistics - 2017 12

Basic Statistics - 2017 13

Interpolasi ( I ) nilai tabel yang tidak tersedia :

Hasil interpolasi = Fmin - I

Basic Statistics - 2017 14

Interpolasi ( I ) nilai tabel F dengan db pembilang 21 :

Hasil interpolasi = Fmin – I = 2,23 – 0,01 = 2,22

Basic Statistics - 2017 15

The concentration of blue green algae was obtained

Calculate the critical region, given a = 0.05 and a TWO

Ftabel = 4,48  reject H0

There is a difference in the variability of

Basic Statistics - 2017 21

Mid-Size Vehicles Sports Utility Vehicles

Basic Statistics - 2017 23

The 2 - mean t –Test will do this data.

The ANOVA is used to compare multiple means,

Basic Statistics - 2017 27

Basic Statistics - 2017 28

 Hanya ada satu faktor atau variabel independen,

 Analisis yang digunakan : one-way Anova (Anova 1 arah)

Basic Statistics - 2017 30

▪ Tipe-tipe ban roda,

Basic Statistics - 2017 31

 Populasi untuk F test cukup kuat terhadap distribusi

 Populasi mempunyai kesamaan variansi, untuk jumlah

Data X11,…,X1n1 X21,…,X2n2 …. Xk1,…,Xknk

Basic Statistics - 2017 33

 Populasi untuk F test cukup kuat terhadap distribusi

 Populasi mempunyai kesamaan variansi, untuk jumlah

H1 : Tidak semua i sama

Variasi disebabkan oleh Variasi disebabkan oleh sampling

Sering disebut dengan : Sering disebut dengan:

▪ Tiap level t diulang sebanyak : r (baris ke - i)

▪ Jadi jumlah unit percobaan : t*r = n

Basic Statistics - 2017 40

merupakan variasi di antara rata-rata.

Group 1 Group 2 Group 3

JKG = JKT – JKP

Basic Statistics - 2017 43

Fhitung > Fα(t – 1 , n – t), maka H0 ditolak

Basic Statistics - 2017 46

▪ Nilai variansi antar perlakuan yang relatif besar menuntun

▪ Nilai perbandingan akan relatif kecil jika H0 diterima.

▪ Nilai dari FHitung selalu positif.

Mesin 1 Mesin 2 Mesin 3

Basic Statistics - 2017 49

Mesin 1 Mesin 2 Mesin 3

Basic Statistics - 2017 50

Basic Statistics - 2017 51

Basic Statistics - 2017 52