METODE STATISTIKA I ANALISIS PASCA ANOVA (UJI LANJUT/POST HOC TEST) (Makalah ini merupakan salah tugas dalam

mata kuliah
Metode Statistika ISemester IV Tahun

Pelajaran 2012-2013)

Oleh: Adriana Dwi Ismita Anggun Primadona Dewi Rawani Dwi Kurnia Liztari Nadiah Siti Marfuah Varizka Amelia 06111008032 06111008005 06111008019 06111008034 06111008011 06111008039 06111008033

PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS SRIWIJAYA INDRALAYA 2013
1

DAFTAR ISI
Halaman Judul.1 Daftar Isi..........................2

Analisis Pasca Anova (Uji Lanjut/Post Hoc Test)

A. Uji Scheffe...3 B. Uji Tukey..7 DAFTAR PUSTAKA ...........................12

Analisis Pasca Anava

Uji Lanjut (Post Hoc Test)

Penolakan terhadap hipotesis nol dalam perbandingan sejumlah rata-rata berarti kita menyimpulkan bahwa paling sedikit ada dua buah rata-rata populasi yang berbeda satu sama lain. Setelah ANAVA menolak hipotesis nol bahwa seluruh kelompok berasal dari populasi yang sama,persoalan berikutnya adalah kelompok mana yang berasal dari

populasi yang berbeda. Jika peneliti membandingkan tiga buah rata-rata kelompok, maka terdapat empat kemungkinan atas penolakan hipotesis nol, yaitu yang berbeda hanya Kelompok 1 dan 2 ( atau ketiga-tiganya( ); kelompok 1 dan 3 ( ); kelompok 2 dan 3 ( );

). Selain itu, peneliti dapat pula membandingkan rata-

rata dari dua kelompok melawan rata-rata kelompok lainnya.Walaupun banyak hal yang dapat dilakukan secara statistik, namun peneliti biasanya membatasi analisisnya sesuai dengan kerangka teoretik yang digunakannya.Banyakteknik yang telah dikembangkan untuk memecahkan dan menjawab persoalan tersebut. Namun dalam makalah ini hanya diperkenalkan dua macam teknik yang populer, yaitu uji Scheffe dan Uji Tukey.

A.

Uji Scheffe Pada pokoknya perbandingan ganda melibatkan perhitungan tes t bentuk khusus,

suatu bentuk untuk mana istilah kesalahan didasarkan varians gabungan dari semua kelompok, tidak hanya kelompok- kelompok yang sedang dibandingkan. T khusus ini membuat penyesuaian terhadap kenyataan bahwa banyak tes yang dikerjakan. Apabila ditampilkan beberapa tes, tingkat probabilitas, cenderung meningkat, jika dianggap

sebesar 0,05 sebenarnya ini akan berakhir lebih besar, mungkin 0,09 jika ditampilkan banyak tes. Jadi, kesempatan untuk memperoleh beda yang signifikan bertambah, demikian pula kesempatan untuk membuat kesalahan tipe 1. Mean membanding yang mana yang dibuat seharusnya ditemukan sebelum peneliti dilaksanakan, bukan sesudahnya dan harus didasarkan pada hipotesis riset. Dari

sekian banyak teknik pembanding majemuk yang ada, yang paling sering digunakan adalah tes scheffe, yang merupakan tes yang sangat konservatif. Tes scheffe cocok untuk membuat sembarang perbandingan yang melibatkan sekelompok mean. Perhitungan untuk tes scheffe adalah sangat sederhana dan ukuran sampel tidak harus sama. Tes scheffe meliputi perhitungan rasio F untuk tiap perbandingan. X1 dan x2, rumusnya adalah:
( ( ) )

dengan

( (

)( )

Ppada rumus itu adalah

dari analisis varians.

Signifikansi tiap F ditentukan menggunakan tingkat kebebasan (Darmadi, 2011: 292) Teknik yang dikembangkan oleh Scheffe dapat digunakan untuk menguji

perbedaan dua buah rata-rata secara berpasangan (1 vs 2, 1 vs 3, dan 2 vs 3) dan perbedaan antara kombinasi rata-rata yang kompleks (seperti [1+2]/2 vs 3). Pada makalah ini hanya diperkenalkan teknik untuk menguji perbedaan dua buah rata-rata secara berpasangan. Jika ANAVA dilakukan untuk menguji perbedaan tiga buah rata-rata, maka hipotesis nol yang hendak diuji oleh uji Scheffe ada tiga buah pasangan sederhana, yaitu :

a. HO : b. H0 : c. H0 :

= = =

Jika jumlah subjek antar kelompok sama besar (n1=n2=n3) maka rumus uji Scheffe untuk menguji ketiga hipotesis nol tersebut dapat disederhanakan menjadi sebagai berikut : (2.1)

dimana C adalah nilai kontras (perbedaan antara rata-rata yang dibandingkan), MSW
4

adalah rata-rata kuadrat dalam kelompok pada tabel ANAVA , dan n adalah besar sampel (jumlah subjek).

Rumus(1.1) ekuivalen dengan rumus uji perbedaan dua buah rata-rata (uji-t yang menggunakan variansi gabungan). Sebagaimana biasa, nilai t yang diperoleh kemudian dibandingkan dengan nilai kritis bagi uji Scheffe(ts) yang ditentukan sebagai berikut :

(2.2)

Dimana k adalah jumlah kelompok dalam ANAVA , dan nilai pada distribusi F pada tingkat keyakinan dan derajat kebebasan Contoh: Tabel 1.2 Skor Motivasi Belajar Siswa Dari Tiga Model AMT

adalah

dengan derajat kebebasan pembilang

. (Furqon, 2009:214)

Model 2 Model 3 34 35 28 26 30 22 33 37 24 35 28 29 34 31 27 33 30 22 Rata-rata= 32,50 31,83 25,33 Variansi=10,70 11,77 9,47 *) perangkat data ini diadaptasi dari Kennedy dan Brush(1985,h.94) Tabel (1.1) Rangkuman Hasil Analisis Variansi Sumber Variasi Dk Jumlah kuadrat 188,11 159,67 347,78 Rata-rata kuadrat 94,06 10,64 F 8,84 5

Model1

Antar Kelompok 3-1 Dalam Kelomok 18-3 Total 18-1

memberikan hasil ANAVA dari data Tabel (1.2)

Selain itu,diketahui pula rata-rata setiap kelompok yang hendak dibandingkan,yaitu : kelompok 1 = 32,50 kelompok 2 = 31,83 Kelompok 3 = 25,33 Atas dasar itu, nilai kontras untuk setiap pasangan adalah sebagai berikut: C1 (1 vs 2) = 32,50 31,83 = 0,67 C2 (1 vs 3) = 32,50 25,33 = 7,17 C3 (2 vs 3) = 31,83 25,33 = 6,50 Dengan demikian , nilai t untuk setiap pasangan tersebut kemudian ditentukan seperti berikut : t1 =0,67/ [2(10,64)/6] = 0,36 t2 = 7,17/[2(10,64)/6] = 3,81 t3 = 6,50/[2(10,64)/6] = 3,45

Jika perbedaan rata-rata setiap pasangan itu hendak diuji pada tingkat keyakinan 99%(

),

maka nilai F kritis dengan derajat kebebasan 2 (pembilang) dan 15 (penyebut) adalah 6,36. Atas dasar itu, kita dapat menentukan nilai kritis ts sebagai berikut:

ts= (3-1) 6,36 ts = 3,57

Dari hasil perhitungan diatas ternyata hanya ada satu pasangan yang rata-ratanya berbeda signifikan, yaitu pasangan kelompok 1 dengan kelompok 3. Nilai t untuk pasangan tersebut adalah 3,81 yang lebih besar dari nilai kritis uji scheffe (ts = 3,57). Oleh karena itu, hipotesis nol bahwa rata-rata kedua populasi tersebut adalah sama harus ditolak. Nilai t untuk kedua pasangan

lainnya ternyata lebih kecil daripada nilai kritisnya, sehinggga hipotesis nol yang bersangkutan tidak dapat ditolak. Secara simbolik , kesimpulan tersebut dapat ditulis sebagai berikut :

B. Uji Tukey Tidak seperti uji Scheffe yang dapat digunakan untuk menguji seluruh jenis perbandingan rata- rata (sederhana maupun kompleks), uji Tukey yang lengkapnya disebut Tukeys HSD (Honestly Significant Difference Test) hanya dapat digunakan untuk menguji seluruh kemungkinan pasangan sederhana (yang melibatkan dua buah rata-rata). Perbandingan seperti
( )

tidak dapat diuji dengan menggunakanteknik tukey.Karena jumlah kemungkinan

pasangan yang hendak diuji relative sedikit, teknik tukey lebih powerful (cenderung lebih sering menolak hipotesis nol) daripada teknik Scheffe. Teknik Tukey digunakan dengan cara membandingkan perbedaan setiap pasangan rata- rata dengan nilai kritis HSD yang (jika jumlah subjek pada setiap kelompok sama besar) dapat ditentukan sebagai berikut:
)(

Dimana

adalah nilai pada distribusi studentized range statistic (lihat daftar F pada lampiran).

Simbol lain pada rumus tersebut memiliki pengertian yang sama seperti pada uji Scheffe(Furqon, 2009: 216). Jika ketiga hipotesis nol tentang pasangan rata- rata pada contoh diatas hendak diuji dengan teknik tukey pada tingkat keyakinan yang sama maka diperoleh nilai dengan derajat kebebasan HSD= 4,84 (10,46/6) HSD= 6,45 Selain itu telah diketahui bahwa perbedaan antara rata-rata setiap pasangan adalah sebagai berikut: dan adalah . Dengan demikan, pada

( ( (

) ) )

Hasil tersebut menunjukkan ada dua buah nilai kontras ( ) antara rata- rata setiap pasangan yang lebih besar daripada nilai kritis HSD. Dengan kata lain, uji Tukey menghasilkan dua kontras yang signifikan pada , yaitu kontras ( ) dan kontras ( ).

Contoh ini sekaligus membuktikan ungkapan di atas bahwa uji Tukey cenderung lebih sering menolak hipotesis nol daripada uji Scheffe.(Furqon, 2004: 215-216)

Uji Siegel-Tukey Pengujiannya mudahdilakukan, tetapi yang tidak begitu kuat. Ide dasar uji ini ialah bahwa jika dua sampel berasal dari populasi yang berbeda hanya dalam varians, sampul dari populasi dengan varians yang lebih besar akan lebih menyebar dengan nilai ekstrem yang lebih besar. Jika kita menyusun sampel yang digabungkan dalam urutan dan menempatkan rank 1 untuk pengamatan terkecil, 2 untuk pengamatan terbesar, 3 untuk terbesar berikutnya, 4 dan 5

berikutnya untuk dua terbesar berikutnya, 6 dan 7 untuk dua terbesar berikutnya, dan seterusnya, jumlah rank yang diperoleh untuk ppulasi dengan varians yang lebih besar akan menjadi lebih kecil daripada jika tidak ada perbedaan dalam varians. Pengujian ini tentu tidak akan bekerja baik jika lokasinya berbeda. Salah satu cara ntuk mengatasi kesulitan ini jika ada indikasi mengenai perbedaan lokasi ialah meluruskan dengan mengurangi seluruh pengamatan pada sampel dari populasinya dengan perkiraan lokasi yang lebih dari perbedaan lokasi (atau menambahkan perkiraan ini dengan pengamatan-pengamatan dalam sampel lainnya). Varians tidak dipengaruhi oleh perubahan lokasi ini, dan kekuatan uji Siegel-Tukey akan meningkat. (Sprent, 1991:123) Contoh : Gunakan uji Siegel-Tukey untu sampel ini
8

29 170 369

39 192 370

60 224 419

78 228 433

82 245 454

112 246 478

125 263 503

126 275

142 276

156 286

756(hal 113)

Buku Umum

Buku Statistik

( )

( )

( )

( )

29 39 60 78 82 112 125 126 142 156 170 192 224 228 245 246 263 275 276 286 396 370 419

0,0625 0,1250 0,1875 0,2500 0,3125 0,3750 0,4375 0,4375 0,4375 0,4375 0,0500 0,5625 0,6250 0,6250 0,6250 0,6250 0,6875 0,7500 0,8125 0,8750 0,9375 0,9375 0,9375

0 0 0 0 0 0 0 0,0833 0,1667 0,2500 0,2500 0,2500 0,2500 0,3333 0,4167 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5833 0,6667

0,0625 0,1250 0,1875 0,2500 0,3125 0,3750 0,4375 0,3542 0,2708 0,1875 0,2500 0,3125 0,3750 0,2917 0,2083 0,1250 0,1875 0,2500 0,3125 0,3750 0,4375 0,3542 0,2708
9

433 454 478 756 503

0,9375 0,9375 0,9375 0,9375 1,0000

0,7500 0,8333 0,9167 1,0000 1,0000

0,1875 0,1042 0,0208 0,0625 0,0000

Hal:127 Formulasi dan asumsi. Kita telah menetapkan dalam table di atas bahwa sebuah perkiraan titik dari selisih lokasi adalah 133,5. Jika kita menambahkannya pada masing-masing nilai untuk sampel buku umum, kita memperoleh sampel yang diluruskan.Kita menerapkan ji siegel-tukey untuk sampel yang diluruskan ini. Prosedur. Setelah menambahkan 133,5 pada jumlah halaman dari seluruh buku umum dan menyusun sampel gabungan dalam susunan yang menaik, kita memperoleh nilai dalam tabel di bawah ini Nilai Rank 126 1 142 4 156 5 162,5 8 172,5 9 193,5 12 211,5 13 211,5 16 228 17 245 20

Nilai Rank

245,5 21

246 24

258,5 25

303,5 28

325,5 27

357,5 26

370 23

396,5 22

408,5 19

409,5 18

Nilai Rank

419 15

419,5 14

433 11

454 10

478 7

502,5 6

503 3

889,5 2

Di bawah masing-masing nilai kita berikan rank dengan cara seperti yang dijelaskan di atas untuk uji Siege-Tukey. Nilai-nilai yang digarisbawahi berkaitan dengan buku-buku statistic. Untuk buku statistic (yang digarisbawahi) m = 12 dan Sm = 140, sedangkan Um = 62, di atas nilai maksimum untuk nyata pada tingkat 5% pada pengujian satu arah. ( ( ) )

10

(Karena Sm + Sn yang jumlah seluruh rank dari 1 sampai m, yaitu (m + n) (m+n+1), ini dengan mudah dibuktikan bahwa Kesimpulan. Kita tidak menolak hipotesis nol bahwa populasi memiliki varians yang sama. Komentar. Pada contoh di atas kita telah menyatakan bahwa pengujian teori normal tidak menolak hipotesis mengenai varians yang sama. Jika pengamatan 756 tidak terjadi pada sampel buku umum,kita harus mencurigai sebuah kemungkinanvarians yang sama. Hal ini mungkin bisa dipertimbangkan sebagai outher . Pada uji Siegel-Tukey,pengamatan ini adalah penimbang terendah, diperoleh dengan bobot yang tidak lebih besar jika pengamatan adalah 370 - setelah menambahkan 133,5 untuk penyesuaian lokasi akan menjadi 503,5 - nilai sampel gabungan terbesar untuk sampel-sampel yang diluruskan. Dalam pengertian ini pengujiannya adalah kekar. Perhatikan kekekaran tidak sama dengan kekuatan. Secara ideal, kita ingin uji secara kekar dan kuat.Dalam praktek mungkin sulit mencapai ini, jika metode kekekaran cenderung tidak mempengaruhi nilai ekstrem, dan hal ini sering menjadi perbedaan utama yang menyatakan sebuah varians yang berbeda. (Sprent, 1991:123-124)

11

DAFTAR PUSTAKA

Furqon.2009. Statistika Terapan untuk Penelitian. Bandung: Alfabeta. Sprent .1991. Metode Statistika Nonparametric Terapan. Jakarta: UI-Press. Dramadi, Hamid. 2011. Metode Penelitian Pendidikan. Bandung: Alfabeta.

12