Uji Hipotesis Rata-rata Populasi

“Uji Perbedaan Mean Lebih Dari

Dua Populasi”
 Uji
( diketahui)
Satu Populasi
Uji t
( tidak diketahui)

Uji
( dan diketahui)
Dua Populasi diasumsikan nilai
Uji Perbedaan Independen dan sama
Uji t
Mean Dua Populasi ( dan tidak
diketahui)
Dua Populasi diasumsikan nilai
dependen dan tidak sama

Anova Satu
Arah
Lebih Dari Dua
Populasi
Anova
Dua Arah
 Uji Perbedaan Mean Lebih Dari Dua Populasi
• Untuk menguji perbedaan mean beberapa (lebih dari dua) populasi sekaligus diperlukan suatu
teknik yang disebut analisis varians (ANAVA) atau analisis ragam
• Uji Anava juga sering disebut sebagai uji F.
• Prinsip uji Anava adalah melakukan telaah variabilitas data menjadi dua sumber variasi yaitu
variasi dalam kelompok (within) dan variasi antar kelompok (between).
• Analisis varians (ANAVA) terbagi menjadi tiga jenis,
1. Analisis varians satu faktor (one way) disebut Anava Satu Arah (One Way Anova)
2. Analisis varians dua faktor (Two Way) disebut Anava Dua Arah (Two Way Anova)
3. Analisis varians lebih dari dua faktor (Multi Way) disebut Manova
 Anava Satu Arah (One Way Anova)

Tujuan : Menguji perbedaan mean untuk lebih dari dua kelompok dan hanya
memperhatikan satu jenis faktor (perlakuan).
Asumsi : - Tiap kelompok data berasal dari populasi berdistribusi normal dan
- Variansi semua populasi sama (homogen).
- Masing-masing populasi saling independen
Prosedur uji anova satu arah sebagai berikut:
1. Hipotesis Uji
(semua rata-rata populasi sama)
artinya, tidak terdapat perbedaan yang signifikan antara rata-rata dari k populasi, atau
tidak ada pengaruh faktor(perlakuan) terhadap variabel respon.
ada rata-rata populasi yang tidak sama (minimal ada satu rata-rata populasi yang tidak sama)
Artinya, terdapat perbedaan yang signifikan antara rata-rata dari k populasi, atau
ada pengaruh faktor(perlakuan) terhadap variabel respon.
2. Taraf signifikansi
3. Statistik Uji
Statistik uji yang digunakan adalah Uji F, dengan cara sebagai berikut:
Misalkan ada populasi yang berdistribusi normal dan saling bebas dengan variansi dan dari
masing-masing populasi tersebut diambil sampel berukuran maka sampel tersebut dapat
ditulis ke dalam tabel berikut:

Populasi (Perlakuan)
   
1 2

   

Jumlah
Ukuran
Setelah tabel sebelumnya dibuat, selanjutnya dihitung:
Faktor Koreksi
Jumlah Kuadrat Total
Jumlah Kuadrat Perlakuan
Jumlah Kuadrat Galat
Kemudian dibuat tabel anava sbb:

Sumber Jumlah Derajat Mean Kuadrat

Variansi Kuadrat Kebebasan
Perlakuan JKP
Galat JKG
Total JKT

4. Daerah Penolakan
ditolak jika
Contoh :

Tiga orang dosen mengajar statistik pada kelas yang berbeda. Skor hasil ujian akhir yang diberikan oleh ketiga
orang dosen tersebut adalah sebagai berikut.
Dosen A : 5, 4, 5, 7, 6, 6.
Dosen B : 5, 8, 5, 8, 6, 5.
Dosen C : 6, 5, 5, 7, 8, 4, 4, 7.
Diasumsikan nilai dari ketiga dosen tersebut berdistribusi normal dan memiliki variansi yang homogen. Ujilah
apakah terdapat perbedaan skor hasil ujian yang diberikan oleh ketiga orang dosen tersebut. Gunakan taraf
signifikansi
Penyelesaian :

Misal Kelas Dosen A adalah kelompok 1, Kelas Dosen B adalah kelompok 2, dan Kelas Dosen C adalah kelompok
3.
Hipotesis Uji
(Tidak terdapat perbedaan skor hasil ujian yang diberikan oleh ketiga orang dosen tersebut)
(Terdapat perbedaan skor hasil ujian yang diberikan oleh ketiga orang dosen tersebut.
Taraf signifikansi
Datanya dibuat ka dalam tabel berikut
  Dosen  
  A B C  
  5 5 6  
  4 8 5  
  5 5 5  
  7 8 7  
  6 6 8  
  6 5 4  
      4  
      7  
Jumlah 33 37 46 116
Ukuran 6 6 8 20
Kemudian dihitung

Dan dapat dibuat Tabel ANAVA sbb:

Sumber Jumlah Derajat Kebebasan Mean Kuadrat

Variansi Kuadrat
Perlakuan 1,366666667 2
Galat 31,833333333 17
Total 33,2 19

Dari Tabel ANAVA di atas, diperoleh . Sedangkan

Karena maka tidak ditolak, sehingga dapat disimpulkan bahwa tidak terdapat perbedaan skor hasil ujian yang
diberikan oleh ketiga orang dosen tersebut.
Cara membaca tabel F