Pelajaran 2012-2013)
Oleh:
Adriana Dwi Ismita
06111008032
Anggun Primadona
06111008005
Dewi Rawani
06111008019
06111008034
Nadiah
06111008011
Siti Marfuah
06111008039
Varizka Amelia
06111008033
DAFTAR ISI
Halaman Judul.1
Daftar Isi..........................2
);
1 2
); kelompok 1 dan 3 (
atau ketiga-tiganya(
1 2 3
).
1 3
); kelompok 2 dan 3 (
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.
( x 1x 2 )
F=
MS W
MS W
1+1
N1+ N2
dengan df =
( K 1 )( N K )
( k 1 )
MS W
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 :
t=
2 MW S
n
(2.1)
(2.2)
adalah
Model1
34
26
Model 2
35
30
Model 3
28
22
5
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
-
Jika perbedaan rata-rata setiap pasangan itu hendak diuji pada tingkat keyakinan 99%(
6
=0,05 ), 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 (t s = 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 :
1=2 ; 2=3 ; dan 1 tidak sama dengan 3
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
( 1+ 2)
2
vs 3
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:
HSD=q( 1 ; k , k )
( MSn )
W
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
q
pada
=0,01
15
demikan,
HSD= 4,84 (10,46/6)
HSD= 6,45
Selain itu telah diketahui bahwa perbedaan antara rata-rata setiap pasangan adalah sebagai
berikut:
c 1 ( 1 vs 2 )=32,5031,83=0,67
c 2 ( 1 vs 3 )=32,5025,33=7,17
c 3 ( 2 vs 3 )=31,8325,33=6,50
pasangan yang lebih besar daripada nilai kritis HSD. Dengan kata lain, uji Tukey menghasilkan
dua kontras yang signifikan pada
c 2 (1 vs 3)
dan kontras
c 3 (2 vs 3) . 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
29
39
60
78
82
170
192
224
228
245
369
370
419
433
454
Buku Umum
xi
Buku Statistik
yi
112
125
126
142
156
246
263
275
276
286
478
503
756(hal 113)
x
( i)
S
S ( yi )
x
S ( i)S ( y i )
29
0,0625
0,0625
39
0,1250
0,1250
60
0,1875
0,1875
78
0,2500
0,2500
9
82
0,3125
0,3125
112
0,3750
0,3750
125
0,4375
0,4375
126
0,4375
0,0833
0,3542
142
0,4375
0,1667
0,2708
156
0,4375
0,2500
0,1875
170
0,0500
0,2500
0,2500
192
0,5625
0,2500
0,3125
224
0,6250
0,2500
0,3750
228
0,6250
0,3333
0,2917
245
0,6250
0,4167
0,2083
246
0,6250
0,5000
0,1250
263
0,6875
0,5000
0,1875
275
0,7500
0,5000
0,2500
276
0,8125
0,5000
0,3125
286
0,8750
0,5000
0,3750
396
0,9375
0,5000
0,4375
370
0,9375
0,5833
0,3542
419
0,9375
0,6667
0,2708
433
0,9375
0,7500
0,1875
454
0,9375
0,8333
0,1042
478
0,9375
0,9167
0,0208
503
0,9375
1,0000
0,0625
1,0000
1,0000
0,0000
756
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.
10
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
126
142
156
162,5
172,5
193,5
211,5
211,5
228
245
Rank
12
13
16
17
20
Nilai
245,5
246
258,5
303,5
325,5
357,5
370
396,5
408,5
409,5
Rank
21
24
25
28
27
26
23
22
19
18
Nilai
419
419,5
433
454
478
502,5
503
889,5
Rank
15
14
11
10
7
6
3
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.
U m=S m1/2 m(m+ 1)
U n=S n1/2 n(n+1)
(Karena Sm + Sn yang jumlah seluruh rank dari 1 sampai m, yaitu (m + n) (m+n+1), ini dengan
mudah dibuktikan bahwa
U m=mnU n
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
11
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)
DAFTAR PUSTAKA
12