Kel - 15 ANOVA Revision

Analysis of Variance (ANOVA)
1

Disusun oleh :
Kelompok :11

1. Debi Oktaviani (3125110491)
2. Ambar Mangesti (3125111212)
3. Dytta Sulistianingrum (3125110297)
4. Danu Darmawan (3125110335)

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
UNIVERSITAS NEGERI JAKARTA
2011
2

Pertemuan 15

Dalam pertemuan 15 ini, kita akan membahas tentang Analisis of Varians
(ANOVA). Analisis varian (ANOVA) adalah suatu metode untuk menguraikan
keragaman total data menjadi komponen-komponen yang mengukur berbagai
sumber keragaman. ANOVA digunakan apabila terdapat lebih dari dua variabel.
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 anta rcontoh (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
PENDAHULUAN

ANALYSIS OF VARIANCES (ANOVA)
3

sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga
eksperimen periklanan, psikologi, dan kemasyarakatan.
Sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata).
apabila kita mengambil langkah pengujian perbedaan rata-rata tersebut satu
persatu (dengan t test) akan memakan waktu, tenaga yang banyak. di samping
itu, kita akan menghadapi risiko salah yang besar. untuk itu, telah ditemukan
cara analisis yang mengandung kesalahan lebih kecil dan dapat menghemat
waktu serta tenaga yaitu dengan ANOVA (Analisys of variances).

Setelah mempelajari modul ini, mahasiswa diharapkan dapat:
1. Menguji perbedaan dua atau lebih sample means.
2. Menjawab pertanyaan apakah sampel yang kita ambil dari populasi
memiliki rata-rata yang sama.
3. Mengetahui akibat dari meningkatnya derajat bebas df
4. Mengetahui cara uji F dan ANOVA satu arah.
5. Menentukan ragam antara sampel (MSB) dan ragam dalam sampel
(MSW)

Analisis Variansi (ANAVA) atau Analysis of Variances (ANOVA) adalah
prosedur pengujian kesamaan beberapa rata-rata populasi. Dalam Analisis
Variansi, dapat dilihat variasi-variasi yang muncul karena adanya beberapa
perlakuan (treatment) untuk menyimpulkan ada atau tidaknya perbedaan rataan
pada k-populasi
TUJUAN
PEMBAHASAN
4

Berdasarkan banyak variable terikat-nya, Analisis Variansi diklasifikasikan
menjadi dua kelompok, yaitu
1. Analisis Variansi Univariate
Analisis ini digunakan jika suatu eksperimen mempunyai satu variable terikat
2. Analisis Variansi Mutivatiate
Analisis ini digunakan jika suatu eksperimen mempunyai lebih dari satu
variable terikat
Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Univariate
dibagi menjadi tiga kelompok yaitu
1. Analisis Variansi Univariate Satu Jalan
dan satu variabel bebas
2. Analisis Variansi Univariate Dua Jalan
dan dua variabel bebas
3. Analisis Variansi Univariate Tiga Jalan
dan tiga variabel bebas.
Berdasarkan banyaknya variable bebas-nya, Analisis Variansi Multivariate
juga dibagi menjadi 3 bagian yaitu
1. Analisis Variansi Multivariate Satu Jalan
variable terikat dan satu variabel bebas
2. Analisis Variansi Multivariate Dua Jalan
variable terikat dan dua variabel bebas
3. Analisis Variansi Multivariate Tiga Jalan
variable terikat dan tiga variabel bebas

5

Pada bab ini, hanya akan membahas Analisis Variansi yang sederhana
yaitu Analisis Variansi satu arah. Dalam bab-bab lalu telah kita kenal beberapa
jenis variansi yaitu variani sampel
yang dihitung dengan rumus

dan varians populasi
. Varians untuk sekumpulan data ini melukiskan derajat

perbedaan atau variasi nilai data individu yang ada dalam kelompok atau
kumpulan data tersebut.variasi ini dihitung dari nilai rata-rata kumpulan data.
Selanjutnya juga kita kenal varians sampling berbagai statistik, untuk rata-rata
diberi lambang
, untuk proporsi dengan lambang

dan untuk statistika

lainnya telah dibahas di bab yang lalu (Ukuran Simpangan, Dispersi, dan Variasi).
Secara umum varians dapat digolongkan kedalam :
a. Varians sistematik : variasi pengukuran karena adanya pengaruh yang
menyebabkan skor atau nilai data lebih condong ke satu arah tertentu
dibandingkan ke arah lain. terjadi karena adanya perbedaan antara
kelompok-kelompok individu.
Contoh : varians antara kelompok atau dapat disebut pula varians
eksperemental
b. Varians galat

Seperti halnya distribusi t, bentuk kurva distribusi f tergantung dari jumlah
derajat bebas df, yaitu terdiri dari 2 derajat bebas dimana satu sebagai
pembilang dan satu sebagai penyebut. Keduanya disebut sebagai parameter
untuk distribusi f.

()

Penyebut
Pembilang
g
Distribusi F
6

Meningkatnya derajat bebas df, puncak kurva distribusi f bergerak ke kanan
sehingga kemiringannya berkurang.

Tentukan nilai f untuk derajat bebas 8 untuk pembilang, dan 14 untuk penyebut,
serta 0.05 luas daerah pada ekor sebelah kanan kurva distribusi f.
Jawab :

Grafik :

2,70

Derajat bebas untuk Pembilang
1 2 .. 8 100
1 161.5 199.5 .. 238.9 .. 253
2 18.51 19 .. 19.37 .. 19.49
.. .. .. .. .. .. ..
14 4.6 3.74 .. 2.7 .. 2.19
F
Contoh soal
()

()

()
()
0.05
F
7

Dalam bab Pengujian Hipotesis telah diuraikan cara menguji kesamaan
dua rata-rata populasi yang masing-masing berdistribusi independen,
berdistribusi normal, dan memiliki varians yang homogen. Untuk itu digunakan
uji dalam hal kedua varians tidak diketahui dan uji untuk kedua varians yang
diketahui besarnya. Sekarang dalam bagian ini akan dibahas perluasannya yaitu
menguji kesamaan ( ) buah rata-rata populasi. Tepatnya, misalkan kita
mempunyai ( ) buah populasi yang masing-masing berdistribusi
independen dan normal dengan rata-rata
dan
simpangan baku berturut-turut
. Akan diuji hipotesis

nol
dengan tandingan
: Sedikitnya ada 1 rata-rata populasi yang berbeda.

Selain daripada asumsi kenormalan tentang populasi, untuk pengujian ini
juga akan dimisalkan bahwa populasi bersifat homogen ialah bahwa
. Asumsi lainnya adalah, populasi terdistribusi normal, sampel diambil

secara acak dari masing-masing populasi, Varians semua populasi sama.

Nilai statistik uji f untuk pengujian hipotesis dengan ANOVA merupakan
rasio dua ragam, yaitu kuadrat tengah antara sampel (KTA) dan kuadrat tengah
dalam sampel (KTD)

ANALISIS VARIANS SATU
ARAH
Penghitungan nilai statistik uji f

8

dimana :

Keterangan :
x = variabel x
k = jumlah perlakuan / treatment
n
i
=

ukuran

sampel i

T
i
= total nilai variabel dalam sampel i
n = jumlah semua sampel =

= total nilai x dalam semua sampel
= total kuadrat nilai x dalam semua sampel

Tabel ANOVA :
Sumber
Keragaman
Derajat
Bebas
Jumlah
Kuadrat
Kuadrat
Tengah
F Hitung
Antar JKA

Galat /
Dalam
JKD

Total JKT = JKA + JKD -

Keterangan :
KTA = Kuadrat Tengah Antar Sampel
KTD / KTG = Kuadrat Tengah Dalam (Galat) Sampel
JKA = Jumlah Kuadrat Antar Sampel
JKD = Jumlah Kuadrat Dalam Sampel

) atau
)
()
atau

9

k = Banyak Kelompok Sampel
n = Jumlah Data

1. Terdapat 3 metode pengajaran dalam mata kuliah Dasar-dasar pemrograman. Di
akhir semester diberikan test yg sama pada 15 mahasiswa, dan diperoleh skor sbb:
Metode 1 Metode 2 Metode 3
48 55 84
73 85 68
51 70 95
65 69 74
87 90 67

Hitunglah nilai statistik uji F !

Jawab:
Metode 1 Metode 2 Metode 3
48 55 84
73 85 68
51 70 95
65 69 74
87 90 67
T
1
=324
n
1
=5
T
2
=369
n
2
=5
T
3
=388
n
3
=5

= 324 + 369 + 388 = 1081

n = n
1
+ n
2
+ n
3
= 15
= (48)2 + (73)2 + (51)2 + (65)2 + (87)2+ (55)2 + (85)2 + (70)2 + (69)2 +(90)2+
(84)2 + (68)2 + (95)2 + (74)2 + (67)2=80709
Contoh soal
10

*
+

Menghitung nilai Msb dan Msw :

Menghitung statistik uji f :

Tabel ANOVA :

Sumber
Keragaman
Derajat
Bebas
Jumlah Kuadrat Kuadrat
Rata-rata
F hitung

Perlakuan
k 1 SSB MSB=

F=

Galat Sampling
n k SSW
MSW=

Total
n 1 SST = SSB +SSW

Sumber
Keragaman
Derajat Bebas Jumlah
Kuadrat
Kuadrat
Rata-rata
F hitung

Perlakuan 2 432,13 216,07
1,09
Galat Sampling
12 2372,80 197,73
11

2. Merujuk pada contoh soal sebelumnya, tentang skor 15 mahasiswa yang
diambil acak dari 3 kelompok metode pengajaran. Dengan tingkat signifikansi
1%, dapatkah kita menolak hipotesis nol (ho), bahwa skor seluruh mahasiswa
dengan masing-masing metode pengajaran adalah sama? Asumsikan bahwa
seluruh asumsi untuk uji anova satu arah telah terpenuhi.
Jawab :

1. Tentukan hipotesis nol dan hipotesis alternative
Katakan adalah rata-rata skor seluruh mahasiswa yang diajar,
dengan metode I, II, dan III.

H0 : 1 = 2 = 3 (Semua rata-rata skor dari 3 kelompok adalah sama)
H1 : ( Sedikitnya satu rata-rata populasi berbeda dengan dua yang lain)

2. Pilih distribusi yang digunakan
Karena kita membandingkan 3 rata-rata populasi yg terdistribusi normal,
digunakan distribusi f untuk melakukan pengujian

3. Menentukan daerah kritis
Tingkat signifikansi adalah 0.01. Karena uji anova satu arah maka daerah ekor
kanan kurva distribusi f adalah 0.01.

Kemudian kita perlu mengetahui derajat bebas

df untuk pembilang = k -1 = 3 1 = 2
df untuk penyebut = n - k = 15 3 = 12
Sehingga dari Tabel Distribusi F, nilai kritis untuk F, F
0.01
(2, 12) = 6.93
Total
14 2804,93
12

4. Menentukan nilai statistik uji f
Telah dihitung bahwa f hitung = 1.09

5. Membuat keputusan
Karena f hitung = 1.09 lebih kecil dari nilai kritis f = 6.93, jatuh pada daerah
penerimaan ho, dan kita gagal menolak ho. Sehingga disimpulkan bahwa
rata-rata skor ketiga populasi adalah sama, dengan kata lain perbedaan
metode pengajaran tidak menunjukkan pengaruh pada rata-rata skor
mahasiswa.

6.93
()
Terima Ho Tolak Ho

F
13

ANGKUMAN
RANGKUMA

RANGKUMAN

Sudjana. 1982. Metoda Statistika Edisi - 6. Bandung : Tarsito.
Soehianie. Analisis Data Statistika*ONLINE+ Tersedia:
(http://www.phys.itb.ac.id) diakses 20 Maret 2012.
UI. Statistika Anova *ONLINE+ Tersedia:
(http://staff.ui.ac.id/internal/0600500045/material/STATISTIKANOVAComp
atibilityMode.pdf) diakses 20 Maret 2012.
UNDIP. Analysis Of Variance (ANOVA) *ONLINE] Tersedia:
(http://eprints.undip.ac.id/6795/1/Analysis_of_Variance.pdf) diakses 20
Maret 2012.

DAFTAR PUSTAKA
RANGKUMAN
Analisis Variansi (ANAVA) atau Analysis of Variances (ANOVA) adalah
prosedur pengujian kesamaan beberapa rata-rata populasi.
Bentuk kurva distribusi f tergantung dari jumlah derajat bebas df, yaitu
terdiri dari 2 derajat bebas dimana satu sebagai pembilang dan satu
sebagai penyebut.
Meningkatnya derajat bebas df, puncak kurva distribusi f bergerak ke
kanan sehingga kemiringannya berkurang.
Asumsi ANOVA satu arah : populasi terdistribusi normal, sampel diambil
secara acak dari masing-masing populasi, Varians semua populasi sama
Hipotesis :
H0 : 1 = 2 = 3 (Semua rata-rata skor dari 3 kelompok adalah sama)
H1 : ( Semua rata-rata skor dari 3 kelompok adalah tidak sama)
Nilai statistik uji f untuk pengujian hipotesis dengan ANOVA merupakan
rasio dua ragam, yaitu ragam antara sampel (MSB) dan ragam dalam
sampel (MSW)

14

Wahyudi. Statistika Anova&Korelasi *ONLINE+ Tersedia:
(http://www.scribd.com/doc/44972999/Statistik-Anova-Korelasi) diakses
20 Maret 2012

1. Dimanakah di bawah ini mana yang bukan asumsi Anova satu arah.. . .
a. Sampel diambil acak
b. Populasi terdistribusi normal
c. Populasi terdistribusi acak
d. Distribusi data berpasangan
e. Varians semua populasi sama

2. Meningkatnya derajat bebas df, akan mengakibatkan.
a. puncak kurva distribusi f bergerak ke kanan sehingga kemiringannya
berkurang
b. puncak kurva distribusi f bergerak ke kiri sehingga kemiringannya
berkurang
c. puncak kurva distribusi f bergerak ke kanan sehingga kemiringannya
bertambah
d. puncak kurva distribusi f bergerak ke kiri sehingga kemiringannya
bertambah
e. puncak kurva distribusi f tetap

3. Uji F dilakukan dengan . . . . .
a. Menghitung nilai F table
b. Membandingkan nilai F hitung (hasil output) dengan nilai F table

TES FORMATIF
15

c. Menghitung nilai F hitung
d. Penjumlahan data
e. Mengkonversi data

4. Perbedaan One way ANOVA dengan Two way ANOVA adalah . . . . .
a. Langkah pengujian
b. Jenis data
c. Kecepatan pengujian
d. Jumlah variabel independent
e. Jumlah tabel

5. Di bawah ini terdapat Keuntungan melakukan ANOVA, kecuali. . . . .
a. Memperkecil kesalahan dalam menganalisis perbedaan rata-rata
b. Menghemat waktu
c. Menghemat tenaga
d. Mudah dimodifikasi
e. Mampu menjelaskan mengapa perbedaan terjadi

6. Sebagai manajer produksi anda ingin melihat mesin pengisi akan dilihat rata-
rata waktu pengisiannya. Diperoleh data seperti disamping. Pada tingkat
signifikasi 0,05 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
16

25,10 21,60 20,40

a. Karena 25,60 > 3,89 maka H0 ditolak
b. Karena 25,60 > 3,89 maka H0 ditolak
c. Karena 5,60 < 6,89 maka H0 ditolak
d. Karena 20,00 > 3,00 maka H0 diterima
e. Karena 2,00 < 3,00 maka H0 diterima

7. Dalam sebuah percobaan biologis 4 konsentrasi bahan kimia digunakan
untuk merangsang pertumbuhan sejenis tanaman tertentu selama periode
waktu tertentu. Pada tingkat signifikasi 0,05 adakah perbedaan rata-rata
waktu?
Konsentrasi
1 2 3 4
8,2 7,7 6,9 6,8
8,7 8,4 5,8 7,3
9,4 8,6 7,2 6,3
9,2 8,1 6,8 6,9
8,0 7,4 7,1
6,1

a. Karena 21,21 > 3,24 maka H0 diterima
c. Karena 3,00 < 4,00 maka H0 diterima
d. Karena 29,00 > 4,00 maka H0 ditolak
e. Tidak ada jawaban

8. Sebagai manajer produksi anda ingin melihat mesin pengisi, akan dilihat
rata-rata waktu pengisiannya. Diperoleh data seperti disamping. Pada
tingkat signifikansi 0,05 adakah perbedaan rata-rata waktu.
17

Mesin 1 Mesin 2 Mesin 3
24,40 22,40 19,00
25,31 20,80 21,20
23,10 22,50 18,75
22,74 21,75 19,60
24,10 20,60 19,40
e. Karena 25,60 > 3,89 maka H0 ditolak

9. Dalam sebuah percobaan biologi 4 konsentrasi bahan kimia digunakan
untuk merangsang pertumbuhan sejenis tanaman tertentu selama periode
waktu tertentu. Pada signifikasi 0,05 adakah perbedaan rata-rata waktu ?
Konsentrasi
1 2 3 4
7,2 6,7 5,9 5,8
7,7 7,4 4,8 6,3
8,4 7,6 6,2 5,3
8,2 7,1 5,8 5,9
7,0 6,4 6,1
18

5,1

a. Karena 20,00 > 3,24 maka H0 ditolak
b. Karena 29,00 > 3,24 maka Ho ditolak
c. Karena 21,21 > 3,24 maka H0 ditolak
d. Karena 21,21 > 3,24 maka H0 diterima
e. Karena 21,21 > 3,27 maka H0 diterima

10. Toko Appliance mempertimbangkan 3 orang tenaga pemasaran yang akan
menggantikan manajer pemasaran yang telah pensiun.
Catatan bulan ketiga pemasaran tersebut dijadikan pertimbangan
untuk menilih salah satu diantaranya
Data penjualan bulanan dari ketiga tenaga pemasaran tersebut
adalah sebagai berikut :

Penjualan
Nn.Mapes Tn.Sonnar Tn.Mafee
Januari 15 15 19
Februari 10 10 12
Maret 9 12 16
April 5 11 16
Mei 16 12 17
Rata-rata 11 12 16
Pertanyaan : Apakah penjualan ketiga tenaga pemasaran tersebut berbeda
secara nyata ataukah tidak?
b. Karena 3,44 > 3,24 maka H0 diterima
19

e. Karena 3,44 < 3,89 maka H0 diterima

1. C
2. A
3. B
4. D
5. E
6. B
Langkah-langkah penyelesaian analisis varians :
Tingkat signifikan = 0,05
dF 1 = 2 (derajat bebas perlakuan)
dF 2 = 12 (derajat bebas galat)
maka F (0,05; 2; 12) = 3,89
Jadi daerah penolakannya :
H0 ditolak jika F > 3,89
Data

Populasi

1 2 3
25,40 23,40 20,00
26,31 21,80 22,20
24,0 23,50 19,75
23,74 22,75 20,60
25,10 21,60 20,40
Total 124,65 113,05 102,95 340,65

a. SSW =

Kunci
Jawaban
20

SSW = 25,4
+ 26,3
+ 24,1
+ 23,7
+ 25,1
+ 23,4
+ 21,8

+ 23,5
+ 22,7
+ 21,6
+ 20,0
+ 22,2
+ 19,
+ 20,6

+ 20,4

SSW = 645,16 + 692,2161 + 580,81 + 563,5876 + 630,01 + 547,56 +
475,24 + 552,25 + 517,5625 + 466,56 +400 + 492,84 + 390,0625
+ 424,36 + 416,16 7736,165
= 7794,3787 7736,1615
=58,2172
b. SSB =

SSB =
225
= 7783,3255 7736,165
= 47,164
c. SST = SSB+SSW
= 58,2172 47,164 = 11,0532
Tabel ANOVA dan daerah penolakan
Sumber
keragaman
Derajat
bebas
Jumlah
kuadrat
Kuadrat rata-rata F Hitung
Perlakuan k-1= (3-1) = 2 47,164
MSB =

MSB=23,582
F =

F =

F = 25,60
Galat
sampling
k(n-1)
=3 (5-1)
=3 (4) = 12
11,0532
MSW=
()
()

MSW= 0,9211
Total nk 1
= 5.3 1 =14
58,2173
- Karena F hitung > F table maka H0 ditolak
- Karena 25,60 > 3,89 maka H0 ditolak
21

7. B
Langkah-langkah :
Tingkat signifikansi = 0,05
maka F (0,05; 3; 16) = 3,24
Data
Populasi Total
1 2 3 4
8,2 7,7 6,9 6,8
8,7 8,4 5,8 7,3
9,4 8,6 7,2 6,3
9,2 8,1 6,8 6,9
8,0 7,4 7,1
6,1
Total 35,5 40,8 40,2 34,4 150,9

a. SSW =

SSW = 8,2
2
+8,7
2
+ 9,4
2
+ 9,2
2
+ 7,7
2
+8,4
2
+ 8,6
2
+ 8,1
2
+8,0
2

+6,9
2
+ 5,8
2
+ 7,2
2
+ 6,8
2
+ 7,4
2
+6,1
2
+6,8
2
+7,3
2

+6,3
2
+ 6,9
2
+ 7,1
2

SSW = 67,24 + 75,69 + 88,36 + 84,64 + 59,29 + 70,56
+73,96 + 65,61 +64 + 47,61 + 33,64 + 51,84 + 46,24 +
54,76 + 37,21 + 46,24 +53,29 + 39,69+ 47,61 +50,41

SSW = 1157,89 1138,5405
22

SSW = 19, 3495 (dibulatkan)
SSW = 19,350
b. SSB =

SSB =

SSB = 15,462

c. SST = SSB+SSW
= 19,350-15,462
= 3,888
Tabel Anova dan Daerah Pendapatan

Karena F hitung > F table maka H0 ditolak
Karena 21,21 > 3,24 maka H0 ditolak

8. E
Langkah-langkah :
dF 2 = 12(derajat bebas galat)
maka F (0,05; 2; 12) = 3,89
Sumber
keragaman
Derajat Bebas Jumlah
Kuadrat
Kuadrat
Rata-rata
F Hitung
Perlakuan k-1
(4-1) = 3
15,462
MSB =

MSB= 5,514
F=

F= 21,21
Galat
sampling
n-k
(20-4) = 16
3,888
MSW=

MSW= 0,243
Total n-1
(20-1) = 19
19,350
23

Data
Populasi
1 2 3
22,40 22,40 19,00
25,31 20,80 21,20
23,10 22,50 18,75
22,74 21,75 19,60
24,10 20,60 19,40
Total 119,65 108,05 97,95 325,65

a. SSW =

SSW = 24,40
2
+ 25,31
2
+ 23,10
2
+ 22,74
2
+ 24,10
2
+ 22,40
2
+
20,80
2
+ 22,50
2
+ 21,7
5
+ 20,60
2
+19,00
2
+21,20
2
+
18,75
2
+19,60
2
+19,40
2

SSW = 7128,0781 7069,8615
SSW = 58,2172
b. SSB =

= 7117,0255 77069,8615
SSB = 47,164
c. SST = SSB+SSW
= 58,2172 47,164
= 11, 0532

24

Tabel ANOVA dan daerah penolakan
Sumber
keragaman
Derajat
Bebas
Jumlah
kuadrat
Kuadrat rata-rata F Hitung
Perlakuan k-1
(3-1) = 2
41,164
MSB=

MSB= 23,582
F=

F=

F=25,60
Galat
sampling
k (n-1)
3 (5-1)=12
11,0532
MSW=
()

MSW= 0,9211
total nk-1
5.3-1= =14
58,2173
Karena F hitung > F table maka H0 ditolak
Karena 25,60 > 3,89 maka H0 ditolak

9. C
maka F (0,05; 3; 16) = 3,24
Konsentrasi total
1 2 3 4
7,2 6,7 5,9 5,8
7,7 7,4 4,8 6,3
8,4 7,6 6,2 5,3
8,2 7,1 5,8 5,9
7,0 6,4 6,1
5,1
Total 31,5 35,8 34,2 29,4
25

a. SSW =

SSW = 7,2
2
+ 7,7
2
+ 8,4
2
+ 8,2
2
+ 6,7
2
+ 7,4
2
+ 7,6
2
+ 7,1
2
+
7,0
2
+ 5,9
2
+ 4,8
2
+ 6,2
2
+ 5,8
2
+ 6,4
2
+ 5,1
2
+5,8
2
+
6,3
2
+ 5,3
2
+ 5,9
2
+ 6,1
2

SSW = 51,84 + 59,29 + 70,56 + 67,24 + 44,89 +54,76 +
57,76 +50,41 + 49 + 34,81 + 23,04 + 38,64 + 40,96 +
26,01 + 33,64 +39,69 + 28,09 + 34,81 + 47,61 +
37,21 856,7405
SSW = 876,09 856,7405
SSW = 19,350 (dibulatkan)
b. SSB =

SSB =

SSB = 248,0625 + 256,328 + 194,94 + 172,872 - 856,7404
SSB = 15,462
c. SST = SSB+SSW
= 19,350 15,462
= 3,888

Tabel ANOVA dan Daerah Pendapatan
Sumber
keragaman
Derajat bebas Jumlah
Kuadrat
Kuadrat
Rata-rata
F Hitung
Perlakuan k-1
(3-1) =2
15,462
MSB=

MSB=5,514
F=

F=

F=21,21
Galat
sampling
n-k
(20-4) = 16
3,888
MSW=

MSW=0,234
Total n-1
(20-1) = 19
19,350

26

Karena F hitung > F table maka Ho ditolak
Karena 21,21 > 3,24 maka Ho ditolak

10. E
Langkah-langkah pengujian:
Tulis Ho dan Ha
Ho : 1 = 2 = 3, Tidak ada perbedaan yang nyata antara rata-
rata hitung penjualan dari ketiga tenaga pemasaran
Ha: 1 23, Ada perbedaan yang nyata antara rata-rata hitung
penjualan dari ketiga tenaga pemasaran.
Taraf nyata ditentukan sebesar 5% atau 0,05.
Derajat kebebasan :
dk
1
(varians antar sample) = k-1
dk
2
(varians dalam sample) = n-k
Aturan pengambilan keputusan
Fhitung <Ftable ,Ho diterima
Fhitung >Ftable , Ho ditolak, Ha diterima

Buat Tabel Penolong
X
1
X
2
X
3

15 15 19 225 225 361
10 10 12 100 100 144
9 12 16 81 144 256
5 11 16 25 121 256
16 12 17 256 144 289
Tc 55 60 80

195
Nc 5 5 5 N 15
Jumlah
Kuadrat
687 734 1306
()

2.727
27

SSB= *
]
()

= [
()
+
()
+
()
] -

= 2.605 2.535
= 70
SSW= (X)
2
- *

=15
2
+ 10
2
+9
2
+.+ 17
2
- [
()
+
()
+
()
]
= 122
SST= SSB+SSW
= 70 +122
= 192
Table ANOVA
Sumber
Keragaman
Jumlah
Kuadrat
Derajat
Bebas
Kuadrat rata-rata F hitung
Perlakuan SSB= 70 k-1
= 3-1 = 2
MSB =

= 35
F=

= 3,44

Galat
sampling
SSW= 122 n k
= 15- 3=12
MSW=

=10,17
Total 192 n-1
=15-1=14

F table pada = 0,05 k-1=2 dan n-1=12 adalah 3,89
F hitung (3,44) < Ftable (3,89)
Kesimpulan : Ho diterima .Tidak ada perbedaan yang nyata antara rata-rata hitung
penjualan dari ketiga tenaga pemasaran

Kel - 15 ANOVA Revision

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Kel - 15 ANOVA Revision

Diunggah oleh

Hak Cipta:

Format Tersedia

Analysis of Variance (ANOVA)

yang dihitung dengan rumus

. Varians untuk sekumpulan data ini melukiskan derajat

, untuk proporsi dengan lambang

dan untuk statistika

. Akan diuji hipotesis

: Sedikitnya ada 1 rata-rata populasi yang berbeda.

. Asumsi lainnya adalah, populasi terdistribusi normal, sampel diambil

= total kuadrat nilai x dalam semua sampel

= 324 + 369 + 388 = 1081

Anda mungkin juga menyukai