Anda di halaman 1dari 103

Laporan Statistika Industri

Modul 2 Analisis Variansi


Kelompok 15

BAB I
PENDAHULUAN

1.1 Latar Belakang


Statistik berhubungan dengan penyajian dan penafsiran kemungkinan dari hasil
yang muncul dalam suatu pengamatan atau percobaan. Penafsiran tersebut dapat
membuat keputusan yang dapat diterima berdasarkan analisis. Dalam pengertian yang
lebih sempit, statistik digunakan untuk menyatakan data tersebut atau bilangan-bilangan
yang diturunkan dari data, misalnya rata-rata.
Anova merupakan suatu teknik untuk menguji kesamaan beberapa rata-rata secara
sekaligus. Uji yang dipergunakan dalam anova adalah uji F karena dipakai untuk
pengujian lebih dan 2 sampel. Anova terdiri atas dua metode, yaitu metode satu arah
dan dua arah. Metode anova satu arah dapat digunakan untuk mencari nilai rata-rata
pemakaian suatu barang atau jasa, bisa juga untuk mengukur rata atau tidaknya
produksi yang berlangsung pada satu bagian. Dalam anova satu arah ini terbagi menjadi
dua bagian perhitungan, yaitu perhitungan dengan jumlah sampel yang sama banyak
dan jumlah sampel yang berbeda.
Penerapan anova satu arah dalam dunia industri dapat digunakan seperti untuk
melakukan pengujian terhadap kumpulan hasil pengamatan mengenai suatu hal missal
hasil penjualan produk, hasil produksi produk, gaji pekerja di suatu perusahaan yang
memiliki nilai bervariasi antara satu dengan yang lainnya. Oleh karena itu maka
dibuatlah laporan Praktikum Statistika Industri dengan judul modul analisis variansi.

1.2 Tujuan Praktikum


1. Praktikan mampu melakukan analisis variansi sebagai analisa statistik untuk
data yang sesuai
2. Praktikan diharapkan mampu membedakan karakteristik one-way anova dan
two way anova
3. Praktikan dapat mengolah data dengan menggunakan SPSS
Program Studi Teknik Industri
Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

4. Praktikan dapat menganalisa output SPSS

1.3 Metodologi Praktikum


Identifikasi Masalah

Studi Pustaka

Pengumpulan Data

Uji Asumsi Klasik

Pengolahan Data

Pengujian:

ANOVA

Anova
Orthogonal
Contrast

Perbandingan (LSD, Ducan,

Pengujian :

Orthogonal Contrast
Perbandingan (LSD, Duncan,

Tukey
Tukey)

DunnetsDunnets

analisis

Kesimpulan

Gambar 1.1 Flowchart Metodologi Praktikum

Program Studi Teknik Industri


Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

1.4 Sistematika Penulisan


BAB I PENDAHULUAN
Berisi tentang latar belakang, tujuan praktikum, metodologi praktikum, serta
sistematika penulisan yang digunakan.
BAB II TINJAUAN PUSTAKA
Berisi tentang teori-teori yang sesuai dan berhubungan dengan praktikum yang akan
dilaksanakan.
BAB III PENGOLAHAN DATA DAN ANALISIS
Berisikan pengolahan dan analisis tentang output data RAL dan RAK yang diolah
dengan menggunakan software SPSS dan Minitab.
BAB IV PENUTUP
Berisi tentang kesimpulan yang diperoleh dari percobaan serta saran

Program Studi Teknik Industri


Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

BAB II
TINJAUAN PUSTAKA
2.1 Analisis Variansi
2.1.1

Definisi Analisis Variansi


Analisis Variansi merupakan alat yang digunakan untuk mengevaluasi

kebaikan model regresi. Model regresi yang baik, salah satunya ditandai oleh
2
tingginya koefisien determinasi, dinotasikan R2 atau Radj
, yang dapat dihasilkan

oleh Tabel Analisis Variansi.


(http://oc.its.ac.id)
Analisis varians (analysis of variance ANOVA) adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur
Indonesia metode ini dikenal dengan berbagai nama lain seperti analisis ragam,
sidik ragam, dan analisis variansi. Ini merupakan pengembangan dari masalah
Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan.
Analisis varians pertama kali diperkenalkan oleh SirRonald Fisher, bapak statistika
modern. Dalam prakteknya, 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 antar
contoh (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).
(http://id.wikipedia.org)
2.1.2

Tujuan Analisis Variansi

Analisis variansi bertujuan untuk menguji apakah terdapat perbedaan yang


signifikan antara rata-rata beberapa kelompok populasi (lebih dari dua), melalui
ukuran-ukuran penyebaran (variansi) dari masing-masing kelompok populasi
tersebut.

Program Studi Teknik Industri


Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

(http://personal.fmipa.itb.ac.id)

2.1.3

Asumsi-asumsi dalam Uji Analisis Variansi

Analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi
dalam perancangan percobaan:
1. Data berdistribusi normal. Karena pengujiannya menggunakan uji FSnedecor. Uji F-Snedecor dihitung dengan rumus
(n k 1) R 2 yx ....x
1
n
F

2
k (1 R yx1....xn )

Dimana :
F

= nilai F hitung

= jumlah variabel oksogen

=jumlah responden

=nilai koefisien korelas

Kriteria pengujian adalah sebagai berikut :


F hitung > F tabel : hipotesis Ho ditolak
F tabel F hitung : hipotesis H1 diterima
F tabel diperoleh dari tabel distribusi F dengan = 0,05 dan derajat
kebebasan db 1 = k dan db 2 = n-k-1
2. Varians atau ragamnya homogen dikenal sebagai homoskedastisitas, karena
hanya digunakan satu penduga (estimate) untuk varians dalam contoh.
3. Masing-masing contoh saling independen yang harus dapat diatur dengan
perancangan percobaan yang tepat.
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
(http://id.wikipedia.org/wiki/Analisis_varians)
Program Studi Teknik Industri
Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

2.2 Rancangan Percobaan


2.2.1

Definisi Rancangan Percobaan

Perancancangan percobaan atau rancangan percobaan (Design of Experiment)


adalah kajian mengenai penentuan kerangka dasar kegiatan pengumpulan informasi
terhadap objek yang memiliki variasi (stokastik), berdasarkan prinsip-prinsip
statistika. Bidang ini merupakan salah satu cabang penting dalam statistika
inferensial dan diajarkan di banyak cabang ilmu pengetahuan di perguruan tinggi
karena berkaitan erat dengan pelaksanaan percobaan (eksperimen).
Perancangan percobaan dapat dikatakan sebagai jembatan bagi peneliti untuk
bergerak dari hipotesis menuju pada eksperimen agar memberikan hasil yang valid
secara ilmiah. Dengan demikian, perancangan percobaan dapat dikatakan sebagai
salah satu instrumen dalam metode ilmiah.

(http://id.m.wikipedia.org)
2.2.2

Tujuan Rancangan Percobaan

Tujuan Perancangan Percobaan:


1. Memilih peubah terkendali (X) yang paling berpengaruh terhadap respon
(Y)
2. Memilih gugus peubah X yang paling mendekati nilai harapan Y
3. Memilih gugus peubah X yang menyebabkan keragaman respon paling kecil
4. Memilih gugus peubah X yang mengakibatkan pengaruh peubah tak
terkendali paling kecil
(http://etih.staff.ipb.ac.id/files/2011/07/Desain-Percobaan.pdf)

2.2.3

Istilah-istilah dalam Rancangan Percobaan


Beberapa istilah dalam perancangan percobaan yang perlu anda ketahui,

yaitu:
a. Perlakuan
Program Studi Teknik Industri
Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Perlakuan adalah suatu prosedur yang akan diterapkan pada unit percobaan
yang nantinya akan diamati.
b. Satuan percobaan
Suatu percobaan adalah unit terkecil dalam suatu percobaan yang akan diberi
perlakuan.
c. Satuan amatan
Satuan amatan adalah bagian dari satuan percobaan yang akan mendapat
perlakuan tunggal dan nantinya akan diamati.
d. Galat percobaan
Galat percobaan adalah hasil yang berfariansi pada untit percobaan pada
perlakuan yang sama.
(Modul Praktikum Statistika Industri 2014)
2.2.4

Strategi Rancangan Percobaan

a. Mengumpulkan data penelitian sebanyak mungkin sesuai dengan rancangan


percobaan yang diajukan,
b. Memberi jawaban model penyelesaian masalah penelitian secara terbuka dan
sesubjektif mungkin, seteliti mungkin dengan waktu singkat, biaya hemat, dan
tenaga peneliti hemat.
c. Memonitor atau memantau dan mengendalikan parameter-parameter penelitian.
d. Memperkecil kesalahan yang dibuat, antara lain kesalahan pengukuran dan
kurangnya motivasi peneliti.
e. Mengendalikan variabel luar yang tidak terkendali.
f. Memberikan metode penelitian secara ilmiah dan terbuka untuk dikoreksi oleh
para pakar peneliti lain.
(Suharto. Dkk. 2004. Hal. 109)

Program Studi Teknik Industri


Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

2.2.5

Prinsip Dasar Rancangan Percobaan


Satuan percobaan adalah satuan yang memberikan keragaman sehingga
muncul galat percobaan dalam penelitian ilmiah. Pengaitan secara acak
menghilangkan bias yang dapat muncul akibat pengaitan secara berpola.
Tujuannya adalah membagi secara merata antara taraf faktor perlakuan resiko
sebagai akibat dari keragaman suatu percobaan. Pengaitan secara acak merupakan
cara terbaik memenuhi persyaratan yang dibentuk model. Suatu percobaan yang
dikelompokkan menjadi pasangan homogen dinamakan blok. Taraf faktor atau
perlakuan kemudian dikaitkan secara acak dalam blok. Tujuan pemblokan adalah
untuk memperkecil galat percobaan yang mengganggu.
(Walpole dan Myers, 1995)

2.3 RAL
2.3.1

Definisi RAL
Rancangan acak lengkap merupakan rancangan yang paling sederhana. Baik
ditinjau dari penerapan maupun analisis data yang dihasilkan. Disamping itu.
Intepertasi hasil analisis dan tindakan yang harus dilakukan apabila ada
penyimpangan pun lebih mudah.
(Modul Praktikum Statistika Industri 2014)

Program Studi Teknik Industri


Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

2.3.2

Prinsip Dasar RAL


Dua hal yang harus diperhatikan dalam rancangan acak lengkap adalah :

1. Kecuali perlakuan. Semua (media percobaan dan keadaan-keadaan lingkungan


lainnya) harus serba sama.
2. Penempatan perlakuan ke dalam satuan-satuan percobaan dilakukan secara acak
lengkap. Yang artinya kita perlakukan semua satuan percobaan sebagai satu
kesatuan dimana perlakuan-perlakuan (baik yang sama atupun tidak) ditempatkan
ke dalamnya secara acak.
(Modul Praktikum Statistika Industri 2014)

2.3.3

Kelebihan RAL

a. Merupakan rancangan percobaan yang paling sederhana


b. Apabila terjadi penyimpangan didalam analisis dan tindakan. Interpretasi dapat
lebih mudah.
(Muwardi, 2007)
2.3.4

Kekurangan RAL
Susah mencari media percobaan dan keadaan- keadaan lingkungan yang

sama.
(Muwardi, 2007)

2.4 Uji RAK


2.4.1

Definisi RAK
Rancangan acak kelompok menempatkan perlakuan ke dalam petak-petak

satuan-satuan percobaan dilakukan secara acak. Pengacakannya secara lengkap per


kelompok. artinya hasil pengacakan untuk menempatkan perlakuan dalam suatu
kelompok tidak boleh digunakan lagi untuk kelompok lainnya
Program Studi Teknik Industri
Universitas Diponegoro

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

(Modul Praktikum Statistika Industri 2014)

2.4.2

Prinsip Dasar RAK


Langkah langkah untuk melakukan analisis variansi sama dengan

rancangan acak lengkap. hanya saja berbeda dalam perhitungannya saja. Syarat
pengelompokan yaitu keragaman (variasi) dalam kelompok

lebih kecil

dibandingkan variasi antar kelompok.


(Setyawan, 2005)
2.4.3

Kelebihan RAK
Perlakuan ditempatkan ke dalam petak- petak atau satuan- satuan percobaan
(Setyawan, 2005)

2.4.4

Kekurangan RAK

Memerlukan waktu yang cenderung lebih lama


(Setyawan, 2005)

2.5 Uji Perbandingan Berpasangan


2.5.1

Uji Orthogonal Contrast


Ortoghonal contrast digunakan bila peneliti ingin menguraikan variansi

perlakuan menjadi bagian-bagian yang bebas. Biasanya si peneliti telah mempunyai


kontras tertentu yang ingin diselidiki. Dua kontras dengan koefisien {ci}dan
{di}adalah orthogonal jika :
a

c d = 0
i 1

atau untuk desain yang tidak seimbang. jika :


a

n c d = 0
i 1

i i

(repository.binus.ac.id)

Program Studi Teknik Industri


Universitas Diponegoro

10

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

2.5.2

Uji LSD
Pengujian dilakukan dengan uji t antar seluruh pasangan grup mean. untuk

menentukan nilai LSD yang nantinya dipakai sebagai nilai perbandingan yang akan
dibandingkan dengan selisih rataan pertama yang ingin diuji. Uji ini akan sangat
baik digunakan apabila pengujian mean yang akan diperbandingkan sebelumnya
telah direncanakan. LSD= t / 2, 45

2 xs 2
n
(Douglas 1991, Hal 74)

2.5.3

Uji Duncan
Uji ini disebut juga uji rentangan-darab Duncan. Rentangan setiap himpunan

bagian dari p rataan sampel haruslah melibihi suatu nilai tertentu sebelum setiap p
rataan dikatakan berbeda. Nilai ini disebut rentangan berarti terkecil untuk p rataan.
Syi

s2
n
(Wapole dan Meyers. 1995)

2.5.4

Uji Dunnet

Dunnet mengembangkan uji ini dan mempopulerkannya pada tahun


1955. Uji Dunnet mempertahankan MEER pada level yang tidak lebih dari taraf
nyata yang ditentukan. misal = 0.05. Pada metode ini.hanya membutuhkan satu
nilai pembanding yang digunakan untuk membandingkan antara kontrol dengan
perlakuan lainnya. Formulanya mirip dengan LSD.namun pada uji ini. nilai t yang
digunakan bukan t-student yang digunakan pada uji LSD. Dunnet menggunakan
tabel t tersendiri.yang biasanya terlampir pada buku-buku perancangan percobaan.
(repository.binus.ac.id)

Program Studi Teknik Industri


Universitas Diponegoro

11

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

2.5.5

Uji Tukey

Metode Tukey menyangkut pencarian perbedaan yang berarti antara 2 rataan


dengan memakai suatu nilai kritis sebagai perbandingan semua perlakuan yang
berpasangan. Metode perbandingan oleh Tukey menyangkut pencarian perbedaan
yang berarti antara reataan i dan j (ij) bila ( yi y j ) lebih besar daripada
q[ , k , v]s 1 .
n

(Wapole dan Meyers, 1995)

2.6 Uji T
Uji T adalah uji statistik yang digunakan untuk menguji kebenaran atau
kepalsuan hipotesis nol. Uji T pertama kali dikembangkan oleh William Seely
Gosset pada 1915. Awalnya ia menggunakan nama samaran Student, dan huruf t
yang terdapat dalam istilah Uji t dari huruf terakhir nama beliau. Uji t disebut
juga dengan nama Student t.
Persyaratan analisis Uji t

Sampel di ambil secara acak dari populasi berdistribusi normal.

Data berskala interval dan atau rasio.

Kegunaan Uji t

Alat analisis data untuk menguji satu sampel atau dua sampel.

Membandingkan dua mean (rata-rata) untuk menentukan apakah perbedaan


rata-rata tersebut perbedaan nyata atau karena kebetulan

Uji t Untuk Satu Sampel

Program Studi Teknik Industri


Universitas Diponegoro

12

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

(desirahmatina, 2006)
2.7 Uji F
Uji F digunakan untuk mengetahui pengaruh variabel bebas secara bersamasama (simultan) terhadap variabel terikat. Signifikan berarti hubungan yang terjadi
dapat berlaku untuk populasi. Penggunaan tingkat signifikansinya beragam,
tergantung keinginan peneliti, yaitu 0,01 (1%) ; 0,05 (5%) dan 0,10 (10%). Hasil uji
F dilihat dalam tabel ANOVA dalam kolom sig. Sebagai contoh, kita menggunakan
taraf signifikansi 5% (0,05), jika nilai probabilitas < 0,05, maka dapat dikatakan
terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas
terhadap variabel terikat. Namun, jika nilai signifikansi > 0,05 maka tidak terdapat
pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap
variabel terikat.
(Warsito, 2012)

2.8 Software SPSS


Dengan menggunakan Software SPSS kita dapat melakukan: Uji Normalitas
Data. Uji Homogenitas Data. Uji Linieritas. Uji Kebebasan (dengan menggunakan
Uji Chi square). Uji Anova. Uji Orthogonal Contrast. Uji Perbandingan
Berpasangan (LSD. Duncan.Tukey) dan Uji Perbandinagn Dengan Kontrol
(Dunnets). Dari sini kita dimudahkan tanpa melakukan perhitungan manual karena
biasanya perhitungan manual yang akan dilakukan akan memakan waktu yang lama
dan dengan menggunakan formula atau rumus yang cukup rumit. Namun dengan
menggunakan software SPSS. kita tinggal memasukkan data dan dengan melakukan
prosedur yang telah ada. kita akan mendapatkan hasil sesuai dengan apa yang kita
inginkan.
Untuk uji normalitas dan uji homogenitas mengunakan tools sebagai berikut:
Analyse

Desriptive

Explore.

Uji Anova .
Uji orthogonal
contras. Uji perbandingan berpasangan
(LSD. Ducan. Tukey) dan perbandingan dengan kontrol (Dunnets) mengunakan
tools sebagai berikut:
Analyse

Compare Means

One Way Anova.

Untuk uji kebebasan mengunakan tools sebagai berikut:


Program Studi Teknik Industri
Universitas Diponegoro

13

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analyse

Non parametric

Chi Square

Untuk uji linearitas mengunakan tools sebagai berikut:


Graph

Interactive

Scatter Plot

2.9 Software Minitab


Permasalahan permasalahan statistika bukan suatu masalah rumit karena
seiring dengan perkembangan teknologi komputer. pekerjaan statistik sangat
terbantu dengan adanya program aplikasi komputer untuk statistik yang kini sudah
banyak dipasarkan. Komputer sangat membantu pekerjaan statistik. terutama dalam
melakukan perhitungan statistik yang menggunakan rumus matematika yang rumit
dan banyak data. Salah satu program statistik yang telah diakui banyak orang adalah
program MINITAB.
Program MINITAB merupakan program statistiks yang diakui cukup andal
oleh banyak kalangan. baik dunia kampus maupun industri. Keunggulan MINITAB
adalah selain menyediakan metode metode statistik klasik seperti analisis regresi.
analisis faktor. analisis deskriminan. dan tabulasi silang. MINITAB juga
menyediakan pula metode metode statistik untuk meningkatkan dan memperbaiki
kualitas seperti pengendalian kualitas statistik. desain eksperimen. dan analisis
realibilitas. MINITAB juga mampu memberi nilai taksiran yang mendekati nilai
sebenarnya.
Pada modul ini digunakan menu Stat yang merupakan menu untuk penggunaan
beberapa metode statistik untuk mengolah data seperti ANOVA. Submenu dari
menu Stat yang digunakan adalah ANOVA ( One-Way ANOVA ) yaitu submenu
yang digunakan untuk membuat ANOVA satu arah untuk variabel respon dalam
satu kolom dan membandingkan beberapa rata-rata populasi.
Untuk uji One-Way Anova. Fisher dan Dunnets tools yang digunakan adalah
Stat

2.10

ANOVA

One-Way

Software Excel

Seperti sudah diketahui, MS Excel merupakan salah satu paket program alam
MS Office yang berguna untuk pengolahan lembar kerja (data yang disajikan
dalam bentuk tabel berupa kolom dan baris). MS Excel mampu melakukan
Program Studi Teknik Industri
Universitas Diponegoro

14

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

perhitungan-perhitungan numerik baik dengan operasi-operasi aritmetika biasa


maupun dengan fungsi-fungsi matematika, termasuk fungsi-fungsi statistika
sederhana (statistiks deskriptif). Dengan demikian, MS Excel dapat digunakan
untuk analisis data statistiks. Akan tetapi, untuk keperluan analisis data statistiks
yang lebih rumit, pemakaian fungsi-fungsi matematika dasar dan statistika (built-in)
memerlukan perhitungan manual yang cukup panjang. Untunglah bahwa MS
Excel menyediakan serangkaian tool khusus untuk analisis data disebut Analysis
ToolPak yang dapat digunakan untuk kemudahkan analisis data statistiks mulai dari
yang sederhana sampai yang cukup rumit, termasuk uji hipotesis dan analisis
(ko)varians serta analisis Fourier Cara pemakaiannya pun sangat mudah. Pemakai
tinggal memasukkan data pada lembar kerja Excel seperti biasa dan parameter yang
sesuai untuk setiap analisis, selanjutnya Tool akan menggunakan fungsi-fungsi
makro statistiks dan teknik yang sesuai kemudian menampilkan hasil
perhitungan/analisis dalam bentuk tabel output dan/atau grafik/diagram.
(mm.fe.unpad.ac.id)

Program Studi Teknik Industri


Universitas Diponegoro

15

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

BAB III
PENGOLAHAN DATA DAN ANALISIS
3.1 RAL
3.1.1 Pengumpulan Data
Tabel 3.1 Data RAL Percobaan Menggelindingkan Kelerang

No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

Jeans
Jeans
Jeans
Jeans
Jeans
Jeans
Jeans
Jeans
Jeans

150
96
92
93
94
93
98
92
91

250
109
108
111
112
110
107
106
110

350
124
127
123
128
125
120
121
123

450
144
150
143
147
149
141
146
148

100

114

129

151

Jeans

99

113

126

143

Alas

3.1.2 Uji Asumsi Analisis Variansi


3.1.2.1 Uji Normalitas
a. SPSS
Hipotesis
1. H0 : Data berdistribusi normal
2. H1 : Data tidakberdistribusi normal
3. =0,05
4. Daerah kritis :
Sig < , H0 ditolak maka data tidakberdistribusi normal

Program Studi Teknik Industri


Universitas Diponegoro

16

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

5. Perhitungan :
Tabel 3.2 Uji Normalitas RAL (SPSS)
Tests of Normality
a

Kolmogorov-Smirnov

VAR00
002
VAR00001

Statistic

df

Shapiro-Wilk

Sig.

Statistic

df

Sig.

15

.212

10

.200

.897

10

.201

25

.100

10

.200

.980

10

.963

35

.106

10

.200

.973

10

.914

45

.144

10

.200

.956

10

.744

a. Lilliefors Significance Correction


*. This is a lower bound of the true significance.

6. Keputusan :
Karena :
Kolmogorov Smirnov
Sudut 150 : 0.200

Sudut 250 : 0.200

Sudut 350 : 0.200

Sudut 450 :0.200

Shapiro Wilk

Sudut 150 : 0.201

Sudut 250 : 0.963

Sudut 350 : 0.914

Sudut 450 : 0.744

Karena Sig > , maka jangan tolak H0 untuk semua perlakuan


7.

Kesimpulan : Data pada perlakuan berdistribusi normal.

Program Studi Teknik Industri


Universitas Diponegoro

17

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis
Dari hasil output SPSS di atas, berarti data jarak penggelindingan
kelereng

berdistribusi normal. Hal ini terlihat dari nilai kolom sig

dibagian Klomogorov-Sminrnov dimana nilai pada kolom sig lebih besar


dari 0.05.

Normal Q Q Plots
Gambar 3.1 SPSS Q-Q Plot (15o)

Analisis :
Pada gambar diatas menjelaskan output pada perlakuan 1. Ada 7 titik dalam
grafik di atas. Hal itu dikarenakan ada 3 percobaan yang sama dengan
percobaa n lain. Semua titik masih di sekitar garis extended value. Oleh
karena itu, data berdistribusi normal.
Gambar 3.2 SPSS Q-Q Plot (25o)

Program Studi Teknik Industri


Universitas Diponegoro

18

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis :
ada gambar di atas menjelaskan output pada perlakuan 2. Ada 8 titik dalam
grafik di atas. Hal itu dikarenakan ada 2 percobaan yang sama dengan percobaa n
lain. Semua titik masih di sekitar garis extended value. Oleh karena itu, data
berdistribusi normal.
Gambar 3.3 SPSS Q-Q Plot (35o)

Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 3. Ada 8 titik dalam
grafik di atas. Hal itu dikarenakan ada 2 percobaan yang sama dengan percobaa n
lain. Semua titik masih di sekitar garis extended value. Oleh karena itu, data
berdistribusi normal.
Gambar 3.4 SPSS Q-Q Plot (45o)

Program Studi Teknik Industri


Universitas Diponegoro

19

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 4. Ada 8 titik
dalam grafik di atas. Hal itu dikarenakan ada 2 percobaan yang sama
dengan percobaa n lain. Semua titik masih di sekitar garis extended
value. Oleh karena itu, data berdistribusi normal.

Detrended Normal QQ Plots

Gambar 3.5 SPSS Detrended Q-Q Plot (15o)

Program Studi Teknik Industri


Universitas Diponegoro

20

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 1. Ada 7 titik dalam grafik di
atas. Hal itu dikarenakan ada 3 percobaan yang sama dengan percobaan lain. Semua
titik masih di sekitar garis extended value. Oleh karena itu, data berdistribusi normal.

Gambar 3.6 SPSS Detrended Q-Q Plot (25o)

Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 2. Ada 8 titik dalam grafik di
atas. Hal itu dikarenakan ada 2 percobaan yang sama dengan percobaan lain. Semua
titik masih di sekitar garis extended value. Oleh karena itu, data berdistribusi normal.
Gambar 3.7 SPSS Detrended Q-Q Plot (35o)

Program Studi Teknik Industri


Universitas Diponegoro

21

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 3. Ada 8 titik dalam
grafik di atas. Hal itu dikarenakan ada 3 percobaan yang sama dengan
percobaan lain. Semua titik masih di sekitar garis extended value. Oleh karena
itu, data berdistribusi normal.

Gambar 3.8 SPSS Detrended Q-Q Plot (45o)

Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 4. Ada 8 titik dalam
grafik di atas. Hal itu dikarenakan ada 2 percobaan yang sama dengan percobaan
lain. Semua titik masih di sekitar garis extended value. Oleh karena itu, data
berdistribusi normal.
b. Minitab
Hipotesis
1. H0 : Data berdistribusi normal
2. H1 : Data tidakberdistribusi normal
3. =0,05
Program Studi Teknik Industri
Universitas Diponegoro

22

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

4. Daerah kritis : Nilai P Val>0,005 , H0 ditolak maka data tidakberdistribusi


normal
5. Perhitungan :
Gambar 3.9 Minitab Probability Plot (15o)

Probability Plot of C1
Normal

99

95
90

Mean
StDev
N
KS
P-Value

94,8
3,225
10
0,198
>0,150

Mean
StDev
N
KS
P-Value

110
2,582
10
0,081
>0,150

Percent

80
70
60
50
40
30
20
10
5

86

88

90

92

94

96

98

100

102

104

C1

Gambar 3.10 Minitab Probability Plot (25o)

Probability Plot of C2
Normal

99

95
90

Percent

80
70
60
50
40
30
20
10
5

Program Studi Teknik Industri


Universitas Diponegoro

105,0

107,5

110,0
C2

112,5

115,0

117,5

23

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Gambar 3.11 Minitab Probability Plot (35o)


Probability Plot of C3
Normal

99

95
90

Mean
StDev
N
KS
P-Value

124,6
2,951
10
0,092
>0,150

Mean
StDev
N
KS
P-Value

146,2
3,360
10
0,144
>0,150

Percent

80
70
60
50
40
30
20
10
5

116

118

120

122

124
C3

126

128

130

132

Gambar 3.12 Minitab Probability Plot (45o)


Probability Plot of C4
Normal

99

95
90

Percent

80
70
60
50
40
30
20
10
5

140

144

148

152

156

C4

6. Keputusan :
Karena nilai P Val pada :
Perlakuan 1 (sudut 150) 0,198>0,005
Perlakuan 2 (sudut 250) 0,081>0,005
Perlakuan 3 (sudut 350) 0,092>0,005
Perlakuan 4 (sudut 450) 0,144>0,005
Karena P Val, >0,005 maka jangan tolak H0 untuk semua perlakuan.
Kesimpulan : Data pada semua perlakuan berdistribusi normal.

Program Studi Teknik Industri


Universitas Diponegoro

24

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis
Dari grafik hasil output software minitab, apabila P Val <
0,005maka data tidak berdistribusi normal namun sebaliknya apabila
hasil output minitab didapatkan bahwa nilai P Val > 0,409 maka data
tersebut berdistribusi normal. Dari percobaan didapatkan nilai P Val
sebesar 0,198; 0,081; 0,092; 0,144 untuk keempat perlakuan yang
dilakukan, dari hasil tersebut dapat terlihat bahwa data berdistribusi
normal.

3.1.2.2 Uji Linearitas


a. SPSS
Tabel 3.3 Uji Linieritas RAL (SPSS)
Measures of Association
R
VAR00021 * VAR00022

R Squared
.983

.966

Eta
.989

Eta Squared
.978

Analisis
Untuk daerah kritis uji linearitis : Apabila dilihat dari hasil output SPSS, maka dapat
dilihat dari kolom sig pada nilai deviation from linearity mempunyai nilai sebesar 0,
Sehingga dapat dikatakan data tidak berdistribusi normal. Namun karena Eta Squared
dengan Eta memiliki selisih 0,011 maka jangan tolak Ho, karena angka tersebut lebih
besar jika dibandingkan dengan 0.01.

Program Studi Teknik Industri


Universitas Diponegoro

25

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

3.1.2.3 Uji Homogenitas Variansi


a. Manual
Hipotesis
1.

H0 : 12 = 22= 32= 42

2.

H1 :tidak semua variansi sama.

3.

= 0.01.

4.

Daerah kritis : b<bk, yaitu b <b4 (0.01, 10)

5.

Perhitungan :

Tabel 3.4 Perhitungan Manual Uji Homogenitas RAL

No.
1.
2.
3.
4.
5.
6.
7.
8.
9.

Alas
Jeans
Jeans
Jeans
Jeans
Jeans
Jeans
Jeans
Jeans
Jeans

150
96
92
93
94
93
98
92
91

250
109
108
111
112
110
107
106
110

350
124
127
123
128
125
120
121
123

450
144
150
143
147
149
141
146
148

100

114

129

151

10.

Jeans

99

113

126

143

Sp2

(ni 1)si

=
=
b =

N k
(
(

) (

) (

) (
)

= 9.27

= 0.245

6.Kesimpulan :
Sp2>b, maka tolak H0.
Program Studi Teknik Industri
Universitas Diponegoro

26

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

7.Keputusan:
Maka, 12 = 22= 32= 42(Variansi dari keempat perlakuan adalah sama).

Analisis:
Dalam pengujian data diatas, berdasarkan nilai dari Sig yaitu 0,694 yang berarti lebih besar
dari 0,05 menunjukkan bahwa data bersifat homogen. Sehingga data tersebut dapat
dikatakan memiliki sifat homogenitas. Sehingga keputusannya adalah jangan tolak Ho.
b. SPSS
Hipotesis
Ho
: Data Homogen
2.H1
:Data Tidak Homogen
3.
: 0.05
4.Daerah Kritis : p <0.05
5.Perhitungan :
Tabel 3.5 Output Software Tes Homogenitas RAL
Test of Homogeneity of Variances
VAR00021
Levene Statistic
.486

df1

df2
3

Sig.
36

.694

6.Keputusan : karena diperoleh signifikasi 0,694, maka jangan tolak Ho


7.Kesimpulan : Data Homogen karena 0.694 > 0.05

c. Minitab
Hipotesis
1. Ho
2. H1
3.

: Data bersifat homogen


: Data tidak bersifat homogen
:0.05

Program Studi Teknik Industri


Universitas Diponegoro

27

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

4. Daerah Kritis : pvalue<0.05


5. Perhitungan

:
UJI HOMOGENITAS
Bartlett's Test
Test Statistic
P-Value

0,67
0,879

Lev ene's Test


Test Statistic
P-Value

C2

0,39
0,761

2
3
4
5
6
7
95% Bonferroni Confidence Intervals for StDevs

Gambar 3.13 Output minitab Uji Homogenitas

Barlette test
Test Statistic : 0.67
P value
:0.879
Levenne s Test
Test Statistic : 0.39
P value
: 0.761
6. Keputusan : Jangan tolak Ho karena 0.879 > 0.05
7.Kesimpulan : Maka data bersifat homogen

Analisis
Berdasarkan hasil uji manual yang didapat nilai b>b4 yang berarti bahwa 12 = 22=
32= 42(Variansi dari keempat perlakuan adalah sama). Untuk perhitungan software
(output minitab) didapati nilai P-Value mempunyai nilai sebesar 0,879 dan 0,761 yang
berarti 12 = 22= 32= 42(Variansi dari keempat perlakuan adalah sama) begitu juga
hasil output dari SPSS yang bernilai 0,694 sehingga dapat dikatakan data bersifat
homogen.

Program Studi Teknik Industri


Universitas Diponegoro

28

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

3.1.2.4 Uji Independensi (Chi Square)


a. Manual
Hipotesis
1. Ho

: ada kebebasan antara perlakuan dengan replikasi

2. H1

: tidak

3.

: 0.05

ada kebebasan antara perlakuan dengan replikasi.

4. Derah Kritis : 2 > 2


V = (Jumlah baris-1) x (jumlah kolom -1) = (10-1) x (4-1)=9x3=27
DF = derajat kebebasan dengan melihat pada tabel L5 di peroleh nilai 2 = 40.113
5. Perhitungan :
Tabel 3.6 Perhitungan Manual Uji Independensi RAL

No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
jumlah
kolom

96
92
93
94
93
98
92
91
100
99

109
108
111
112
110
107
106
110
114
113

124
127
123
128
125
120
121
123
129
126

144
150
143
147
149
141
146
148
151
143

948

1100

1246

1462

jumlah
baris
473
477
470
481
477
466
465
472
494
481
4756

ei=
e1=

= 94,28175

Program Studi Teknik Industri


Universitas Diponegoro

29

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.7 Perhitungan Manual Uji Independensi RAL

perlakuan
replikasi oi
1
96
2
92
3
93
4
94
5
93
6
98
7
92
8
91
9
100
10
99
sigma
Oi
948

1
Ei
Oi
94,28175
109
95,07906
108
93,68377
111
95,87637
112
95,07906
110
92,88646
107
92,68713
106
94,08242
110
98,46762
114
95,87637
113

2
Ei
oi
109,3987
124
110,3238
127
108,7048
123
111,2489
128
110,3238
125
107,7796
120
107,5484
121
109,1674
123
114,2557
129
111,2489
126

1100

3
Ei
Oi
123,9188
144
124,9668
150
123,1329
143
126,0147
147
124,9668
149
122,0849
141
121,823
146
123,6569
148
129,4205
151
126,0147
143

1246

4
sigma oi
Ei
145,4008
473
146,6304
477
144,4786
470
147,86
481
146,6304
477
143,2489
466
142,9415
465
145,0934
472
151,8562
494
147,86
481

1462

4756

Tabel 3.8 Perhitungan Manual Uji Independensi RAL

(oi-ei)

2/ei

(oiei)2/ei

(oi-ei)2/ei

(oiei)2/ei

Total

0,031314 0,001453

5,3156E-05 0,013495 0,046315

0,099713 0,048947

0,0330807 0,077436 0,259177

0,004991 0,048461 0,00014341 0,015131 0,068726


0,036722

0,00507 0,03127685 0,005002 0,078071

0,045462

0,00095

0,281508

0,00564 0,03560633 0,035308 0,358062

8,8315E-06 0,038295 0,084716

0,005094 0,022292 0,00555941

0,06544 0,098385

0,100989 0,006351 0,00348915 0,058229 0,169058


0,023847 0,000572 0,00136639 0,004827 0,030613

Program Studi Teknik Industri


Universitas Diponegoro

30

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Lanjutan Tabel 3.8 Perhitungan Manual Uji Independensi RAL

0,101767 0,027561
1.72E-02 0,159741 0,289071
0,731408 0,167298 0,11058595 0,472903 1,482,194

2 =

= 1,482194

6. Keputusan :karena 2< 2 maka jangan tolak Ho, dengan tabel L5


7. Kesimpulan : terdapat kebebasan antara perlakuan dengan replikasi
b. Minitab
Hipotesis
1.

Ho: Ada kebebasan antara perlakuan dengan replikasi

2.

H1 : tidak ada kebebasan antara perlakuan dengan replikasi

3.

4.

Daerah Kritis : 2 > 2

: 0.05

V = (Jumlah baris-1) x (jumlah kolom -1) = (10-1) x (4-1)=9x3=27


DF = derajat kebebasan dengan melihat pada tabel L5 di peroleh nilai 2 = 40.113
5.

Perhitungan :
Results for: Worksheet 2

Chi-Square Test: C1; C3; C5; C7


Expected counts are printed below observed counts
Chi-Square contributions are printed below expected counts
C1
96
94,28
0,031

C3
109
109,40
0,001

C5
124
123,92
0,000

C7
144
145,40
0,013

Total
473

92
95,08
0,100

108
110,32
0,049

127
124,97
0,033

150
146,63
0,077

477

93
93,68
0,005

111
108,70
0,048

123
123,13
0,000

143
144,48
0,015

470

94
95,88
0,037

112
111,25
0,005

128
126,01
0,031

147
147,86
0,005

481

Program Studi Teknik Industri


Universitas Diponegoro

31

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

93
95,08
0,045

110
110,32
0,001

125
124,97
0,000

149
146,63
0,038

477

98
92,89
0,282

107
107,78
0,006

120
122,08
0,036

141
143,25
0,035

466

92
92,69
0,005

106
107,55
0,022

121
121,82
0,006

146
142,94
0,065

465

91
94,08
0,101

110
109,17
0,006

123
123,66
0,003

148
145,09
0,058

472

100
98,47
0,024

114
114,26
0,001

129
129,42
0,001

151
151,86
0,005

494

10

99
95,88
0,102

113
111,25
0,028

126
126,01
0,000

143
147,86
0,160

481

Total

948

1100

1246

1462

4756

Chi-Sq = 1,482; DF = 27; P-Value = 1,000

C1=
C2=
C3=
C4=

6.

Keputusan : Karena 2 > 2 ,maka jangan tolak Ho

7.

Kesimpulan : Terdapat derajat kebebasan antara perlakuan dengan


replikasi.
Analisis

Dari Uji Independensi di atas dengan menggunakan uji chi square secara manual. Dapat
disimpulkan bahwa terdapat kebebasan antara perlakuan. Hasil chi-square yang diperoleh
dari software minitab adalah 1,482. Sementara hasil chi-square yang diperoleh dari
perhitungan manual adalah 1,482194. Perbedaan ini disebabkan karena perbedaan
pembulatan antara software dengan perhitungan manual. Namun keduanya menunjukkan
hasil yang sama yaitu Ho sama sama diterima.

Program Studi Teknik Industri


Universitas Diponegoro

32

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

3.1.3 Analisis Variansi (ANOVA)


a. Manual
Hipotesis
1,Ho= 1 = 2 = 3 = 4
2.H1 : Paling sedikit dua rataan tidak sama
3. . :0.05
4.Daerah Kritis :p < 0.05
5.Perhitungan :
Tabel 3.9 Perhitungan Jumlah dan Rata-Rata Kuadrat (2)

Replikasi
P1
1
9216
2
8464
3
8649
4
8836
5
8649
6
9604
7
8464
8
8281
9
10000
10
9801
Total
89964

Perlakuan
P2
P3
11881
15376
11664
16129
12321
15129
12544
16384
12100
15625
11449
14400
11236
14641
12100
15129
12996
16641
12769
15876
121060 155330

P4
20736
22500
20449
21609
22201
19881
21316
21904
22801
20449
213846

Total
57210
58759
56551
59377
58580
55340
55664
57422
62447
58905
580200

Tabel 3.10 Perhitungan Jumlah dan Rata-Rata Kuadrat

No.

15

25

35

45

1.
2.
3.
4.
5.
6.
7.

96
92
93
94
93
98
92

109
108
111
112
110
107
106

124
127
123
128
125
120
121

144
150
143
147
149
141
146

Program Studi Teknik Industri


Universitas Diponegoro

jumlah
baris
473
477
470
481
477
466
465

33

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Lanjutan Tabel 3.10 Perhitungan Jumlah dan Rata-Rata Kuadrat

8
9
10
jumlah
kolom

91
100
99
948

T^2
Rataan

110
114
113
1100

123
129
126
1246

472
494
481
4756

898704 1210000 1552516 2137444 2,3E+07


94,8
110
124,6
146,2
475,6

Faktor Korelasi =
JKT

148
151
143
1462

= 565488,4
( )

=(

= (9216+8464+...+58905)- 565488,4
= 580200 565488,4
= 14711,6
JKA

( )

565488,4

=579866,4565488,4= 14378
JKG = JKT JKA
= 14711.6-14378
= 333.6
Rataan kuadrat perlakuan (s12) =
Rataan kuadrat galat (s2)
F Hitung =

Program Studi Teknik Industri


Universitas Diponegoro

517.176

34

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.11 Hasil Perhitungan Anova Manual Data RAL

Sumber
Variasi
JKA

Jumlah
kuadrat
14378

JKG

333.6
14711,6

JKT

Rataan
kuadrat
4792,67

36

9.267

Derajat Kebebasan

F hitung
517,176

39

6.Keputusan : Ho ditolak karena f hitung > f tabel


7.Kesimpulan : Bahwa paling sedikit terdapat dua rataan yang tidak sama
SPSS
1. Ho

: 1 = 2 = 3 = 4

2.H1

: Paling sedikit dua rataan tidak sama

3.

:0.05

F hitung : 907.136
4.Daerah kritis : IF hitung > F tabel
5.Perhitungan :
Tabel 3.12 output SPSS Uji ANOVA RAL
ANOVA
VAR00001
Sum of Squares
Between Groups
Within Groups
Total

df

Mean Square

14378.000

4792.667

333.600

36

9.267

14711.600

39

F
517.194

Sig.
.000

F tabel : V1=k-1 = 4-1 =3


V2=k(n-1)=4(10-1)=36
Setelah nlai V1 dan V2 dengan menggunakan tabel nilai kritis distribusi f datpat
diperoleh nilai frekuensi tabel atau jika tidak terdapat pada tabel digunakan car
Interpolasi
Program Studi Teknik Industri
Universitas Diponegoro

35

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

(
(

)
)

( )
Maka nilai f tabelnya 2,92-0,048=2,872
Sehingga daerah kritisnya f > 2.872
6. Keputusan :karena f hitung > f tabel maka Ho ditolak
7.Kesimpulan : terdapat perbedaan antar rataan
c.

Minitab
Hipotesis

1. Ho : 1 = 2 = 3 = 4
2.H1 : Paling sedikit dua rataan tidak sama
3.
:0.05
4.Daerah Kritis :p < 0.05
5.Perhitungan :
One-way ANOVA: C1 versus C2
Source DF
SS
MS
F P
C2
3 12721.47 4240.49 3446.00 0.000
Error 36 44.30 1.23
Total 39 12765.77
S = 1.109 R-Sq = 99.65% R-Sq(adj) = 99.62%

Individual 95% CIs For Mean Based on


Pooled StDev
Level N Mean StDev ------+---------+---------+---------+--30 10 17.800 1.135 (*
60 10 35.900 0.876
(*)
90 10 54.900 1.197
(*
120 10 64.100 1.197
*)
------+---------+---------+---------+--24
36
48
60

Program Studi Teknik Industri


Universitas Diponegoro

36

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Pooled StDev = 1.109


6. Keputusan : P < 0.05 maka Ho ditolak
7.Kesimpulan : paling sedikit dua rataan tidak sama.
Analisis
Output Software untuk uji anova menggunakan SPSS diperoleh nilai Between
groups sebesar 14378 .Pada output minitab diperoleh nilai C2 yang nilainya 12721,47.
Hasil perhitungan manual pada uji anova ini juga tidak jauh berbeda atau bisa dikatakan
sama dimana nilai JKA sebesar 14378.
Sedangkan pada perhitungan manual diperoleh hasil JKT sebesar 14711,6 dan JKG
sebesar 333,6 hasil ini tidak berbeda dengan output software baik SPSS maupun minitab
yaitu sebesar 14711,6 dan 333,6. Tidak terjadi perbedaan antara output software dengan
perhitungan manual, namun ketika terdapat sedikit perbedaan hal itu disebabkan oleh
adanya perbedaan dalam pembulatan.
Pada uji anova pada SPSS nilai Sig adalah .000 yang menunjukkan bahwa uji anova ditolak.
Pada perhitungan mnual nilai f hitung > f tabel maka uji anova ditolak . Sedangkan pada
software minitab nilai p 0.000 yang lebih kecil dari 0.05 maka uji anova ditolak.

3.1.4

Uji Perbandingan Berpasangan

3.1.4.1 Uji Orthogonal Contrast


a. SPSS
Hipotesis
1. H0 : Semua rataan tidak terdapat perbedaan nyata.
2. H1: Paling sedikit dua rataan tidak sama.
3. = 0,05
4. Daerah kritis : sig < 0,05
5. Perhitungan

Program Studi Teknik Industri


Universitas Diponegoro

37

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.13 Output SPSS Uji Orthogonal Contras RAL


Multiple Comparisons

Dependent Variable: menggelindingkan kelereng


Scheffe
(I) Perlakuan

(J) Perlakuan

Mean

Std. Error

Sig.

Difference (I-J)

-15.200

-29.800

1.361

.000

-33.79

-25.81

-51.400

1.361

.000

-55.39

-47.41

15.200

1.361

.000

11.21

19.19

-14.600

1.361

.000

-18.59

-10.61

-36.200

1.361

.000

-40.19

-32.21

29.800

1.361

.000

25.81

33.79

14.600

1.361

.000

10.61

18.59

-21.600

1.361

.000

-25.59

-17.61

51.400

1.361

.000

47.41

55.39

36.200

1.361

.000

32.21

40.19

21.600

1.361

.000

17.61

25.59

3
4
1
2
4
1

Upper Bound

Lower Bound
*

95% Confidence Interval

2
3

1.361

.000

-19.19

-11.21

*. The mean difference is significant at the 0.05 level.

Antara P1-P2 : nilai signifikansi 0,000 < 0,05


Antara P1-P3 : nilai signifikansi 0,000 < 0,05
Antara P1-P4 : nilai signifikansi 0,000 < 0,05
Antara P2-P3 : nilai signifikansi 0,000 < 0,05
Antara P2-P4 : nilai signifikansi 0,000 < 0,05
Antara P3-P4 : nilai signifikansi 0,000 < 0,05
6. Keputusan

Program Studi Teknik Industri


Universitas Diponegoro

38

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tolak H0 untuk P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3, P2
dengan P4, dan P3 dengan P4.
7. Kesimpulan

Untuk rataan P1 dengan rataan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3, P2
dengan P4 dan P3 dengan P4 terdapat perbedaan secara nyata
b. Manual
Hipotesis
1. H0 : 1 = 22 = 3
1 = 33 = 4
1 = 42 = 4
2. H1: paling sedikit 2 rataan tidak sama
3. = 0,05
4. Daerah kritis = F hitung kontras > F hitung pada perlakuan
f 0 Ci >517.19
i = 1,2,3,4
5. Perhitungan Contrast
C1 = y1 - y2 = |948-1100| = 152
C2 = y1 - y3 = |948-1246| = 298
C3 = y1 - y4 = |948-1462| = 514
C4 = y2 - y3 = |1100-1246| = 146
C5 = y2 - y4 = |1100-1462| = 362

Program Studi Teknik Industri


Universitas Diponegoro

39

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

C6 = y3 - y4 = |1246-1462| = 216

C1T1
2
i 1
(152)
JKc1 =
= 1155.2
2
2
2
k 10(1 1 )
n C1
i 1

JKc2 =

(298) 2
= 4440.2
10(12 12 )

(514) 2
JKc3 =
= 13209.8
10(12 12 )

JKc4 =

(146)2
= 1065.8
10(12 12 )

(362) 2
JKc5 =
= 6552.2
10(12 12 )

JKc6 =

(216)2
= 2332.8
10(12 12 )

Program Studi Teknik Industri


Universitas Diponegoro

40

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.14 Perhitungan manual Uji Orthogonal Contras RAL

Sumber

Derajat

Variansi

Jumlah

Kebebasan

Rata-Rata

F hitungan

Perlakuan

14378

4792.667

517.19

C1

1155.2

1155.2

124.2

C2

4440.2

4440.2

477.4

C3

13209.8

13209.8

1420.4

C4

1065.8

1065.8

114.6

C5

6552.2

6552.2

704.5

C6

2332.8

2332.8

250.8

Error

333.6

36

9.3

Total

13820,475

39

Orthogonal
Contrast

6. Keputusan:
- f 0 C1< 517.19, maka jangan tolak H0.
- f 0 C2< 517.19, maka jangan tolak Ho
- f 0 C3 > 517.19, maka tolak Ho
- f 0 C4< 517.19, maka jangan tolak Ho
- f 0 C5> 517.19, maka tolak Ho
- f 0 C6< 517.19, maka jangan tolak Ho.
7. Kesimpulan :
Program Studi Teknik Industri
Universitas Diponegoro

41

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Antara rataan P3, dan P5 terdapat perbedaan yang nyata


Analisis :
Rataan dikatakan tidak mempunyai perbedaan nyata apabila nilai signifikansi
0,05. Dari hasil output SPSS di atas menunjukkan bahwa semua rataan memiliki
nilai signifikansi < 0,05. Sehingga diperoleh kesimpulan bahwa untuk semua
perlakuan memiliki rataan yang tidak sama.
Berdasarkan Perhitungan manual terhadap uji Orthogonal kontras dikatakan tidak
mempunyai perbedaan yang berarti apabila nilai F0 Ci< F Hitung. Sehingga
diperoleh kesimpulan bahwa antara P1 dengan P2 dan P4 dengan P6 tidak terdapat
perbedaan secara berarti. Berdasarkan uji Orthogonal Kontras untuk hasil manual,
kesimpulan yang didapat untuk semua rataan terdapat perbedaan yang nyata.
1.3.2 UJI LSD
a. SPSS
Hipotesis
1. H0: Semua rataan tidak terdapat perbedaan nyata.
2. H1: Paling sedikit dua rataan tidak sama.
3. : 0,05
4. Daerah kritis : sig < 0,05
5. Perhitungan :

Program Studi Teknik Industri


Universitas Diponegoro

42

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.15 Output SPSS Uji LSD RAL


Multiple Comparisons
Dependent Variable: menggelindingkan kelereng
LSD
(I) Perlakuan

(J) Perlakuan

Mean

Std. Error

Sig.

Difference (I-J)

-15.200

-29.800

1.361

.000

-32.56

-27.04

-51.400

1.361

.000

-54.16

-48.64

15.200

1.361

.000

12.44

17.96

-14.600

1.361

.000

-17.36

-11.84

-36.200

1.361

.000

-38.96

-33.44

29.800

1.361

.000

27.04

32.56

14.600

1.361

.000

11.84

17.36

-21.600

1.361

.000

-24.36

-18.84

51.400

1.361

.000

48.64

54.16

36.200

1.361

.000

33.44

38.96

21.600

1.361

.000

18.84

24.36

3
4
1
2
4

Upper Bound

Lower Bound
*

95% Confidence Interval

1.361

.000

-17.96

-12.44

*. The mean difference is significant at the 0.05 level.

P1 P2 = 0,000
P1 P3 = 0,000
P1 P4= 0,000
P2 P3 = 0,000
P2 P4 = 0,000
P3 P4 = 0,000
6.

Keputusan

Program Studi Teknik Industri


Universitas Diponegoro

43

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tolak H0 untuk P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3, P2
dengan P4, dan P3 dengan P4.
7.

Kesimpulan

Maka hal ini disimpulkan bahwa rataan antara perlakuan 1, perlakuan 2,


perlakuan 3 dan perlakuan 4 terdapat perbedaan yang nyata.
Analisis :
Berdasarkan output di atas rataan dikatakan tidak mempunyai perbedaan nyata
apabila nilai signifikansi 0,05.Dari hasil otput SPSS diperoleh nilai signifikasi
P1-P2 sebesar 0.00,P1-P3 sebesar 0.00,P1-P4 sebesar 0.00,P2-P3 sebesar
0.00,P2-P4 sebesar 0.00 dan P3-P4 sebesar 0.00,karena nilainya lebih kecil dari
nilai sigifikasi, Sehingga diperoleh kesimpulan bahwa untuk semua rataan
memiliki perbedaan yang nyata.

b. Minitab
Hipotesis
1. H0

: Tidak terdapat perbedaan yang nyata antara 1 , 2 , 3, 4,

2. H1

: Paling sedikit dua rataan tidak sama

3.

: 0.05

4. Daerah kritis :
5. Perhitungan

hi h j

> LSD , LSD = 2.67 (dari perhitungan manual)

Fisher 95% Individual Confidence Intervals


All Pairwise Comparisons among Levels of Perlakuan
Simultaneous confidence level = 80.32%
Perlakuan = 1 subtracted from:

Program Studi Teknik Industri


Universitas Diponegoro

44

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Perlakuan
2
3
4

Lower
12.439
27.039
48.639

Center
15.200
29.800
51.400

Upper
17.961
32.561
54.161

------+---------+---------+---------+--(*)
(*)
(-*)
------+---------+---------+---------+---25
0
25
50

Perlakuan = 2 subtracted from:


Perlakuan
3
4

Lower
11.839
33.439

Center
14.600
36.200

Upper
17.361
38.961

------+---------+---------+---------+--(*)
(*-)
------+---------+---------+---------+---25
0
25
50

Perlakuan = 3 subtracted from:


Perlakuan
4

Lower
18.839

Center
21.600

Upper
24.361

------+---------+---------+---------+--(*)
------+---------+---------+---------+---25
0
25
50

Tabel 3.16 Tabel perhitungan uji LSD

No.

Center

Nilai mutlak

LSD

P1-P2

15.2

15.2

2.67

P1-P3

29.8

29.8

2.67

P1-P4

51.4

51.4

2.67

P2-P3

14.6

14.6

2.67

P2-P4

36.2

36.2

2.67

P3-P4

21.6

21.6

2.67

6. Keputusan

P1-P2 > 2.67 = 15.2 > 2.67

Program Studi Teknik Industri


Universitas Diponegoro

45

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

P1-P3 > 2.67 = 29.8 > 2.67


P1-P4 > 2.67 = 51.4 > 2.67
P2-P3 > 2.67 = 14.6 > 2.67
P2-P4 > 2.67 = 36.2 > 2.67
P3-P4 > 2.67 = 21.6 > 2.67
Maka tolak H0
7. Kesimpulan

Untuk rataan P1 dengan rataan P2 terdapat perbedaan secara nyata.


Untuk rataan P1 dengan rataan P3 terdapat perbedaan secara nyata.
Untuk rataan P1 dengan rataan P4 terdapat perbedaan secara nyata.
Untuk rataan P2 dengan rataan P3 terdapat perbedaan secara nyata.
Untuk rataan P2 dengan rataan P4 terdapat perbedaan secara nyata.
Untuk rataan P3 dengan rataan P4 terdapat perbedaan secara nyata.

Analisis :
Dari hasil uji Minitab diatas diketahui bahwa rataan tidak mempunyai perbedaan
yang nyata apabila nilai p < 2.67. Berdasarkan hasil uji Minitab di atas
menunjukkan bahwa semua rataan memiliki perbedaan secara nyata dengan nilai
Central P1-P2 sebesar 15.2, P1-P3 sebesar 29.8, P1-P4 sebesar 51.4, P2-P3 sebesar
14.6, P2-P4 sebesar 36.2 dan P3-P4 sebesar 21.6.Sehingga dapat disimpulkan
bahwa terdapat perbedaan yang nyata antara P1-P2,P1-P3,P1-P4,P2-P3,P2-P4,dan
P3-P4

Program Studi Teknik Industri


Universitas Diponegoro

46

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

c. Manual
Hipotesis
1. Ho

: Tidak terdapat perbedaan yang nyata antara 1 , 2 , 3, 4,

2. H1

: Paling sedikit dua rataan tidak sama

3.

: 0.05

4. Daerah kritis :

hi h j

> LSD

V = k(n-1)
= 4(10-1)
= 36

LSD = t / 2, v

2s 2
n

= t0,025,36

= 1,96 X 1,67 = 2.67


5. Perhitungan :
Tabel 3.17 Rata-rata tiap taraf

Program Studi Teknik Industri


Universitas Diponegoro

Perlakuan

Rata Rata

P1

94.8

P2

110

P3

124.6

P4

146.2

47

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.18 Tabel perhitungan uji LSD

No.

Means Different

Nilai mutlak

Keterangan

P1-P2

-15.2

15.2

> 2.67

P1-P3

-29.8

29.8

> 2.67

P1-P4

-51.4

51.4

> 2.67

P2-P3

-14.6

14.6

> 2.67

P2-P4

-36.2

36.2

> 2.67

P3-P4

-21.6

21.6

> 2.67

6. Keputusan

: Tolak Ho untuk perbedaan rata-rata antara taraf P1-

P2,P1-P3,P1-P4,P2-P3,P2-P4, dan P3-P4


7. Kesimpulan

Untuk rataan P1 dengan rataan P2 terdapat perbedaan secara nyata.


Untuk rataan P1 dengan rataan P3 terdapat perbedaan secara nyata.
Untuk rataan P1 dengan rataan P4 terdapat perbedaan secara nyata.
Untuk rataan P2 dengan rataan P3 terdapat perbedaan secara nyata.
Untuk rataan P2 dengan rataan P4 terdapat perbedaan secara nyata.
Untuk rataan P3 dengan rataan P4 terdapat perbedaan secara nyata.

Program Studi Teknik Industri


Universitas Diponegoro

48

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

1.3.3 Duncan
a. Manual
Hipotesis
1. H0 = Tidak terdapat perbedaan yang nyata antara 1 , 2 , 3, 4
2. H1 = paling sedikit 2 rataan tidak sama
3. =0,05
4. Daerah kritis |Yi-Yj|>Rp

Nilai Rp dilihat dari tabel dengan = 0.05 dan v= 36 menggunakan


perhitungan interpolasi (tabel L 12)
5. Perhitungan
Rp =

P=2
=
X = 2.87

Rp =
= 2.76

P=3
=
X = 3.02

Rp =
= 2.91

P=4
=
X = 3.11

Rp =
= 2.99

Program Studi Teknik Industri


Universitas Diponegoro

49

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.19 Perhitungan Uji Duncan

rp

2.87

3.02

3.11

Rp

2.76

2.91

2.99

Data diterima jika


|Yi-Yj|<Rp
Tabel 3.20 Perhitungan Uji Duncan 2

No

Means Different

Rp

P1-P2

15.2

2.76

P1-P3

29.8

2.91

P1-P4

51.4

2.99

P2-P3

14.6

2.76

P2-P4

36.2

2.91

P3-P4

21.6

2.76

6. Keputusan

Tolak Ho untuk perbedaan rata-rata antara taraf P4-P2, P3-P1, P4-P1,


P4-P3, P2-P1 danP2-P3.
7. Kesimpulan :
Untuk P4-P2 terdapat perbedaan secara berarti.
Untuk P3-P1 terdapat perbedaan secara berarti.
Untuk P4-P1 terdapat perbedaan secara berarti.
Program Studi Teknik Industri
Universitas Diponegoro

50

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Untuk P4-P3 terdapat perbedaan secara berarti


Untuk P2-P1 terdapat perbedaan secara berarti
Untuk P2-P3 terdapat perbedaan secara berarti.
Analisis :
Dari hasil uji Manual diatas diketahui bahwa rataan tidak mempunyai
perbedaan yang nyata apabila nilai p < Rp. Berdasarkan hasil uji Manual di
atas menunjukkan bahwa semua rataan memiliki perbedaan secara nyata
dengan nilai Central P1-P2 sebesar 15.2, P1-P3 sebesar 29.8, P1-P4 sebesar
51.4, P2-P3 sebesar 14.6 , P2-P4 sebesar 36.2 dan P3-P4 sebesar 21.6.
Karena nilai p > Rpm aka dapat ditarik kesimpulan bahwa terdapat
perbedaan yang nyata antara P1 dengan P2, P1 dengan P3, P1 dengan P4,
P2 dengan P3, P2 dengan P4 dan P3 dengan P4
b. SPSS
Hipotesis
1. Ho = Tidak terdapat perbedaan yang nyata antara 1 , 2 , 3, 4
2. H1 = paling sedikit 2 rataan tidak sama
3. = 0,05
4. Daerah kritis Sig < 0,05
5. Perhitungan
Tabel 3.21 Output SPSS Uji Duncan RAL

Menggelindingkan kelereng
Duncan
Perlakuan

Subset for alpha = 0.05


1

10

10

10

10

Sig.

Program Studi Teknik Industri


Universitas Diponegoro

94.80
110.00
124.60
146.20
1.000

1.000

1.000

1.000

51

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Means for groups in homogeneous subsets are displayed.


a. Uses Harmonic Mean Sample Size = 10.000.

Sig 1 = 1.0 > 0,05


Sig 2 = 1.0 > 0,05
Sig 3 = 1.0 > 0,05
Sig 4 = 1.0 > 0,05
6. Keputusan :
Tolak H0 untuk taraf P1-P2, P1-P3, P1-P4, P2-P3, P2-P4 dan P3-P4
7. Kesimpulan :
Maka hal ini disimpulkan bahwa rataan antara P1 dengan P2, P1 dengan P3, P1
dengan P4, P2 dengan P3, P2 dengan P4 dan P3 dengan P4 tidak mempunyai
perbedaan yang berarti.
Analisis :
Dari hasil output Minitab diatas diketahui bahwa rataan tidak mempunyai perbedaan yang
berarti apabila nilai Sig 0,05 . Berdasarkan hasil output SPSS di atas menunjukkan
bahwa semua rataan memiliki perbedaan secara nyata dengan nilai sig1= 1, sig2= 1, dan
sig3= 1,. Dapat disimpulkan bahwa terdapat semua rataan mempunyai perbedaan yang
berarti, rataan tersebut adalah P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3,
P2 dengan P4 dan P3 dengan P4.
1.3.4 Uji Tukey
a. SPSS
Hipotesis
1. Ho = Tidak terdapat perbedaan yang nyata antara 1 , 2 , 3, 4
2. H1 = paling sedikit 2 rataan tidak sama
Program Studi Teknik Industri
Universitas Diponegoro

52

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

3. = 0,05
4. Daerah kritis Sig < 0,05
5. Perhitungan SPSS
Tabel 3.22 Output SPSS Uji Tukey RAL

Multiple Comparisons
Dependent Variable: Menggelindingkan kelereng
Tukey HSD
(I) Perlakuan

(J) Perlakuan

Mean

Std. Error

Sig.

Difference (I-J)

-15.200

-29.800

1.361

.000

-33.47

-26.13

-51.400

1.361

.000

-55.07

-47.73

15.200

1.361

.000

11.53

18.87

-14.600

1.361

.000

-18.27

-10.93

-36.200

1.361

.000

-39.87

-32.53

29.800

1.361

.000

26.13

33.47

14.600

1.361

.000

10.93

18.27

-21.600

1.361

.000

-25.27

-17.93

51.400

1.361

.000

47.73

55.07

36.200

1.361

.000

32.53

39.87

21.600

1.361

.000

17.93

25.27

3
4
1
2
4

Upper Bound

Lower Bound
*

95% Confidence Interval

1.361

.000

-18.87

-11.53

*. The mean difference is significant at the 0.05 level.

6. Keputusan :
Tolak H0 untuk taraf P1-P2, P1-P3, P1-P4, P2-P3 dan P2-P4. Terima H0 P3-P4
7. Kesimpulan :
Maka hal ini disimpulkan bahwa rataan antara P1-P3, P1-P4, P2-P3 dan P2-P4
terdapat perbedaan yang nyata.
Analisis :
Dari hasil output SPSS diatas terdapat syarat bahwa rataan tidak mempunyai
perbedaan yang berarti apabila nilai Sig 0,05 . Berdasarkan hasil output SPSS di
Program Studi Teknik Industri
Universitas Diponegoro

53

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

atas menunjukkan bahwa semua rataan memiliki perbedaan secara nyata. Dapat
disimpulkan bahwa terdapat semua rataan mempunyai perbedaan yang berarti,
rataan tersebut adalah P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3,
P2 dengan P4 dan P3 dengan P4
c. Minitab
Hipotesis
1. H0 : Tidak terdapat perbedaan yang nyata antara 1 , 2 , 3, 4
2. H1 : Paling sedikit dua rataan tidak sama
3. : 0.05
4.

Daerah kritis : |yi-yj| > T


|yi-yj| >

5. Perhitungan :
Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons among Levels of Perlakuan
Individual confidence level = 98.93%
Perlakuan = 1 subtracted from:
Perlakuan
2
3
4

Lower
11.532
26.132
47.732

Center
15.200
29.800
51.400

Upper
18.868
33.468
55.068

------+---------+---------+---------+--(*-)
(-*)
(-*)
------+---------+---------+---------+---25
0
25
50

Perlakuan = 2 subtracted from:


Perlakuan
3
4

Lower
10.932
32.532

Center
14.600
36.200

Upper
18.268
39.868

------+---------+---------+---------+--(-*)
(*-)
------+---------+---------+---------+---25
0
25
50

Perlakuan = 3 subtracted from:


Perlakuan
4

Lower
17.932

Center
21.600

Program Studi Teknik Industri


Universitas Diponegoro

Upper
25.268

------+---------+---------+---------+--(-*)
------+---------+---------+---------+---25
0
25
50

54

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.23 Perhitungan data Uji Tukey

No.

Center

Nilai mutlak

P1-P2

-15.2

15.2

3.67

P1-P3

-29.8

29.8

3.67

P1-P4

-51.4

51.4

3.67

P2-P3

-14.6

14.6

3.67

P2-P4

-36.2

36.2

3.67

P3-P4

-21.6

21.6

3.67

P1-P2 < 3.67= 15.2 >3.67


P1-P3 > 3.67 =29.8 > 3.67
P1-P4 > 3.67 = 51.4 > 3.67
P2-P3 < 3.67 = 14.6 >3.67
P2-P4 > 3.67 = 36.2 > 3.67
P3-P4 < 3.67 = 21.6 >3.67
6. Keputusan

Tolak H0 untuk P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3, P2
dengan P4, dan P3 dengan P4.
7. Kesimpulan

Program Studi Teknik Industri


Universitas Diponegoro

55

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Untuk rataan P1 dengan rataan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3,
P2 dengan P4 dan P3 dengan P4 terdapat perbedaan secara nyata.

c. Manual
HIpotesis

1. H0 = 1 = 2 = 3 = 4
2. H1 = paling sedikit 2 rataan tidak sama
3. = 0.05
4. Daerah kritis |yi-yj| > T
V = k(n-1) = 4 (10-1) = 36
T0.05 = q0.05 (k, v)Syi
T0.05 = q0.05 (4,36) X

= 3,81 x

= 3.67

5. Perhitungan :
Tabel 3.24 Rata-rata setelah diurutkan dari yang terkecil RAL

Program Studi Teknik Industri


Universitas Diponegoro

erlakuan

Rata Rata

P1

94.8

P2

110

P3

124.6

P4

146.2

56

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.25 Perhitungan Uji Tukey RAL

Nilai
No

Means Different

mutlak

s1

P4-P1

51.4

51.4

> 3.67

P4-P2

36.2

36.2

> 3.67

P4-P3

21.6

21.6

> 3.67

P3-P1

29.8

29.8

> 3.67

P3-P2

14.6

14.6

> 3.67

P2-P1

15.2

15.2

> 3.67

6. Keputusan :
Tolak H0 untuk perbedaan rata rata antara taraf P4 P1, P4 P2, P3 P1, P2
P1, P4-P3, P3-P2

7. Kesimpulan :
a. untuk rataan P4 dengan rataan P3 terdapat perbedaan secara nyata.
b. untuk rataan P4 dengan rataan P2 terdapat perbedaan secara nyata.
c. untuk rataan P4 dengan rataan P1 terdapat perbedaan secara nyata.
d. untuk rataan P3 dengan rataan P2 terdapat perbedaan secara nyata.
e. untuk rataan P3 dengan rataan P1 terdapat perbedaan secara nyata.
f. untuk rataan P2 dengan rataan P1 terdapat perbedaan secara nyata.

Program Studi Teknik Industri


Universitas Diponegoro

57

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis
Dari hasil uji manual diatas dapat diperoleh kesimpulan bahwa antara P4
dengan P3, P4 dengan P2, P4 dengan P1, dan P3 denngan P2, dan P3 dengan P1
terdapat perbedaan yang secara nyata. Kesimpulannya berdasarkan uji Tukey
yang telah dilakukan dengan SPSS, minitab maupun manual, terdapat
perbedaan yang nyata rataan antar perlakuan.
1.3.5 Uji Dunnet
a. SPSS
Hipotesis

1. H0 : Semua rataan tidak terdapat perbedaan nyata.


2. H1 : Paling sedikit dua rataan tidak sama.
3. : 0.05
4. Daerah kritis: sig< 0.05
5. Perhitungan:

Program Studi Teknik Industri


Universitas Diponegoro

58

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.26 Output SPSS Uji Dunnet RAL

Multiple Comparisons
Dependent Variable: menggelindingkan kelereng
Dunnett t (2-sided)
(I) Perlakuan

(J) Perlakuan

Mean

Std. Error

Sig.

Difference (I-J)
1

95% Confidence Interval


Lower Bound

Upper Bound

-51.400

1.361

.000

-54.74

-48.06

-36.200

1.361

.000

-39.54

-32.86

-21.600

1.361

.000

-24.94

-18.26

*. The mean difference is significant at the 0.05 level.


a. Dunnett t-tests treat one group as a control, and compare all other groups against it.

P1: nilai signifikansi = 0,000


P2: nilai signifikansi = 0,000
P3: nilai signifikansi = 0,000
6.

Keputusan:
Tolak H0 untuk P1, P2, dan P3.

7.

Kesimpulan:
Untuk rataan P1 , rataan P2, dan rataan P3 terdapat perbedaan secara nyata
Analisis
Rataan dikatakan tidak mempunyai perbedaan nyata apabila nilai signifikansi
0,05. Dari hasil output

SPSS di atas menunjukkan bahwa semua rataan

memiliki nilai signifikansi < 0,05. Sehingga diperoleh kesimpulan bahwa untuk
semua rataan memiliki perbedaan yang nyata.

Program Studi Teknik Industri


Universitas Diponegoro

59

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

b. Minitab
Hipotesis
1. H0

: Semua rataan tidak terdapat perbedaan nyata.

2. H1

: Paling sedikit dua rataan tidak sama.

3.

: 0.05

4. Daerah kritis

: Jika tidak mengandung nilai nol

5. Perhitungan

Dunnett's comparisons with a control


Family error rate = 0.05
Individual error rate = 0.0192
Critical value = 2.45
Control = level (1) of Perlakuan
Intervals for treatment mean minus control mean
Level
2
3
4

Lower
11.862
26.462
48.062

Center
15.200
29.800
51.400

Upper
18.538
33.138
54.738

+---------+---------+---------+--------(--*-)
(--*--)
(--*--)
+---------+---------+---------+--------12
24
36
48

6. Keputusan

: Semua Ho ditolak

7. Kesimpulan

Semua data terdapat perbedaan yang nyata.

Analisis
Dari pengujian Uji Dunnet secara minitab dapat disimpulkan bahwa semua data
memiliki perbedaan yang nyata. Hal ini dapat dilihat dari output minitab yang
tidak mengandung nilai nol. Sehingga H0 semua data ditolak.Pada uji Dunnet,
apabila | |
(k,v) maka H0 ditolak.
Program Studi Teknik Industri
Universitas Diponegoro

60

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

c.

Manual
Hipotesis

1.
2.
3.
4.

: =
:
: 0.05
Daerah kritis : | |
(k,v)
V = k(n-1) = 4 (10-1) = 36
d ( k, v ) = d0.05 ( 4,36 ) = 2,56
|yi-yj| > 2,56

5.

Perhitungan

Tabel 3.27 Perhitungan Uji Dunnet RAL

Kontrol

144

96

109

124

150

92

108

127

143

93

111

123

147

94

112

128

149

93

110

125

141

98

107

120

146

92

106

121

148

91

110

123

151

100

114

129

143

99

113

126

= 146.2

= 94.8

= 110

= 124.6

Program Studi Teknik Industri


Universitas Diponegoro

61

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

i= 1,2,,k

S2 = 9.3
=

= -37.68

= -26.54

= -15.83

Daerah kritis untuk menolak


| |
Dimana

pada taraf keberartian

(k,v)
(3,36) = Interpolasi
x = 2.564

0,05 (4,36)

0,05 (4,36)

0,05 (4,36)

6.

Keputusan : Tolak Ho untuk taraf P1-P4, P2-P4, dan P3-P4

7.

Kesimpulan :
Untuk rataan P4 dengan rataan P1 terdapat perbedaan secara nyata.
Untuk rataan P4 dengan rataan P2 terdapat perbedaan secara nyata.
Untuk rataan P4 dengan rataan P3 terdapat perbedaan secara nyata

Program Studi Teknik Industri


Universitas Diponegoro

62

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis
Berdasarkan pehitungan manual di atas, nilai |
lebih besar dari nilai

|, |

(k,v). Jadi untuk P1-P4,

|, dan |

| adalah

P2-P4, dan P3-P4

terdapat perbedaan secara nyata.

3.1 RAK
3.2.1
Pengumpulan Data
Tabel 3.28 Data RAK Percobaan Menggelindingkan kelereng

No

Alas/Kemiringan

15

25

35

45

1
2
3
4
5
6
7
8
9
10

Jeans
Plastik
Kertas Minyak
Kain Tipis
Buku
Talenan
Duplex
Papan Gantung
Kertas Asturo
Kertas Manila

88 cm
95 cm
92 cm
86 cm
90 cm
96 cm
99 cm
92 cm
86 cm
88 cm

98 cm
103 cm
114 cm
112 cm
113 cm
108 cm
120 cm
106 cm
99 cm
98 cm

117 cm
127 cm
125 cm
123 cm
124 cm
128 cm
132 cm
129 cm
126 cm
121 cm

138 cm
135 cm
141 cm
139 cm
143 cm
147 cm
142 cm
152 cm
158 cm
138 cm

3.2.2
Uji Asumsi Analisis Variansi
3.2.2.1 Uji Normalitas
a.
SPSS
Hipotesis Kolmogorov Smirnov dan Shapiro Wilk
1. Ho = Data brdistribusi normal
2. Hi = Data Tidak berdistribusi normal
3.
= 0.05
4. Daerah kritis : nilai sig < 0.05
5. Perhitungan :

Program Studi Teknik Industri


Universitas Diponegoro

63

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.29 Uji Normalitas RAL (SPSS)


Tests of Normality
a

Kolmogorov-Smirnov
Statistic

df

Shapiro-Wilk

Sig.

Statistic

df

Sig.

panjang1

.166

10

.200

.936

10

.509

panjang2

.156

10

.200

.932

10

.464

.200

.989

10

.995

.200

.900

10

.220

panjang3

.103

panjang4

10

.217

10

a. Lilliefors Significance Correction


*. This is a lower bound of the true significance.

6.

7.

Kolmogorov Smirnov
Panjang 1 : 0.200
Panjang 2

: 0.200

Panjang 3

: 0.200

Panjang 4

: 0.200

Shapiro-Wilk
Panjang 1 : 0.509
Panjang 2

: 0.464

Panjang 3

: 0.995

Panjang 4

: 0.220

Keputusan
Untuk Uji Kolmogorov Smirnov : karena nilai sig untuk
semua panjang > 0.05 sehingga, Terima Ho untuk semua
perlakuan
Uji Shapiro Wilk : Karena nilai sig >dari 0.05 sehingga,
terima Ho untuk semua perlakuan
Kesimpulan
Untuk Uji Kolmogorov Smirnov : Data pada semua
perlakuan berdistribusi normal
Untuk Uji Shapiro Wilk : data pada semua erlakuan

Program Studi Teknik Industri


Universitas Diponegoro

64

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

berdistribusi normal

Analisis
Dari data diatas dapat diketahui output software SPSS uji

normalitas pada uji Kolmogorov smirnov dan Shapiro Wilk. Dari tabel
di atas dapat diketahui nilai sig dalam kolom uji kolmogorov dari
masing-masing perlakuan panjang, yaitu untuk panjang 1, 2 ,3 dan 4
adalah 0.200 dan untuk nilai sig uji Shapiro wilk untuk panjang1 adalah
0.509, panjang2 0.464, panjang 3 0.995, dan untuk panjang4 adalah
0.220. dari nilai sig yang ditunjukan, dapat disimpulkan bahwa nilai uji
yang dihasilkan lebih besar dari , sehingga dapat disimpulakan bahwa
data berdistribusi normal.

Normal of Q-Q Plots

Panjang 1 saat sudut 15

Gambar 3.14 SPSS Q-Q Plot (15 )

Program Studi Teknik Industri


Universitas Diponegoro

65

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Data hasil percobaan untuk panjang 1, meskipun sudah berdistribusi


normal mmasih terdapat nilai yang melenceng atau keluar dari dagis
expected normal. Pada grafik di atas terdapat 7 titik dikarenakan
terdapat 3 titik yang memiliki nilai yang sama.

Panjang 2 saat sudut 25

Gambar 3.15 SPSS Q-Q Plot (25o)

Data hasil percobaan untuk panjang 2 meskipun sudah berdistribusi


normal mmasih terdapat nilai yang melenceng atau keluar dari dagis
expected normal. Pada grafik di atas terdapat 9 titik dikarenakan
terdapat 1 data yang memiliki nilai yang sama

Program Studi Teknik Industri


Universitas Diponegoro

Panjang 3 saat sudut 35

66

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Gambar 3.16 SPSS Q-Q Plot (35o)

Dari plot data di atas menunjukan bahwa data berdistribusi normal.


Hal ini dikarenakan persebaran titik berada dalam garis expected normal
dan mengikuti alur dari garis expected, meskipun terdapat dua data yang
berapa di luar garis expected. Dalam grafik di atas terdapat tepat 10 titik,
hal ini dikarenakan dari kesepuluh data tidak terdapat nilai yang sama.

Panjang 4 saat sudut 45

Gambar 3.17 SPSS Q-Q Plot (45o)

Program Studi Teknik Industri


Universitas Diponegoro

67

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Dari plot grafik di atas, menunjukan bahwa data panjang 4


berdistribusi normal. Hal ini dikarenakan data mengikuti pola garis
expected. Dalam grafik terdapat 9 titik dikarenan terdapat satu titik yang
memeiliki besar yang sama.

Detrendet Q-Q Plots

Panjang 1 saat sudut 15

Gambar 3.18 SPSS Q-Q Plot (15 )

Dari grafik di atas terlihat bahwa banyak data yang berada jauh dari
garis nok (0). Hanya 3 data yang berdapa dalam garis nol, sehingga data
ini bisa disebut tidak normal

Program Studi Teknik Industri


Universitas Diponegoro

Panjang 2 saat sudut 25

68

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Gambar 3.19 SPSS Q-Q Plot (25 )

Dari grafik di atas, terdapat 5 data yang masih berada dalam garis
nol (0), data diatas bisa disebut berdistribusi normal.

Panjang 3 saat sudut 35

Gambar 3.20 SPSS Q-Q Plot (35 )

Program Studi Teknik Industri


Universitas Diponegoro

69

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Dari data diatas menunjukan bahwa data berdistribusi normal. Karena


banyak data yang berada dalam garis nol (0).

Panjang 4 saat sudut 45

Gambar 3.21 SPSS Q-Q Plot (45 )

Dari data di atas hanya terdapat satu data yang berada tepat dalam garis
nol, data ini bisa dikatakan tidak berdistribusi normal.

b.

Minitab
Hipotesis Untuk data sudut 15
1. Ho : Data berdistribusi normal
2. Hi : Data tidak Berdistribusi normal
3.
= 0.05
4. Daerah kritis : P-value < 0.05
5. Perhitungan : P-value > 0.150 dan = 0.05
Sehingga P-Value > = 0.150 > 0.05

Program Studi Teknik Industri


Universitas Diponegoro

70

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Gambar 3.22 Minitab Probability Plot (15 )

Probability Plot of C1
Normal

99

Mean
StDev
N
KS
P-Value

95
90

91.2
4.417
10
0.116
>0.150

Percent

80
70
60
50
40
30
20
10
5

80

85

90

95

100

C1

6. Keputusan : Karena P-Value > = 0.150 > 0.05, Ho diterima


7. Kesimpulan: Data berdistribusi normal
Analisis
Dalam grafik terdapat dua garis, yaitu garis lurus merupakan garis
expected normal dan garis yang dibuat oleh titik data. Dalam grafik
di atas telihat bahwa garis yang dibuat oleh-oleh titik titik data
mengikuti alur garis expected. Hal ini menunjukan bahwa data
berdistribusi normal.

Hipotesis Untuk data sudut 25


1. Ho : Data berdistribusi normal
2. Hi : Data tidak Berdistribusi normal
3.
= 0.05
4. Daerah kritis : P-value < 0.05
5. Perhitungan : P-value > 0.150 dan = 0.05
Sehingga P-Value > = 0.150 > 0.05

Program Studi Teknik Industri


Universitas Diponegoro

71

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Gambar 3.23 Minitab Probability Plot (25 )

Probability Plot of C4
Normal

99

Mean
StDev
N
KS
P-Value

95
90

107.1
7.622
10
0.156
>0.150

Percent

80
70
60
50
40
30
20
10
5

90

100

110
C4

120

130

6. Keputusan : Karena P-Value > = 0.150 > 0.05, Ho diterima


7. Kesimpulan: Data berdistribusi normal
Analisis
Dalam grafik terdapat dua garis, yaitu garis lurus merupakan garis

expected normal dan garis yang dibuat oleh titik data. Dalam grafik di
atas telihat bahwa garis yang dibuat oleh-oleh titik titik data mengikuti
alur garis expected. Hal ini menunjukan bahwa data berdistribusi normal.

Hipotesis unutk data sudut 35


1. Ho : Data berdistribusi normal
2. Hi : Data tidak Berdistribusi normal
3.
= 0.05
4. Daerah kritis : P-value < 0.05
5. Perhitungan : P-value > 0.150 dan = 0.05
Sehingga P-Value > = 0.150 > 0.05

Program Studi Teknik Industri


Universitas Diponegoro

72

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Gambar 3.24 Minitab Probability Plot (35 )

Probability Plot of C7
Normal

99

Mean
StDev
N
KS
P-Value

95
90

125.2
4.264
10
0.103
>0.150

Percent

80
70
60
50
40
30
20
10
5

115

120

125
C7

130

135

6. Keputusan : Karena P-Value > = 0.150 > 0.05, Ho diterima


7. Kesimpulan: Data berdistribusi normal
Analisis
Dalam grafik terdapat dua garis, yaitu garis lurus merupakan garis

expected normal dan garis yang dibuat oleh titik data. Dalam grafik di
atas telihat bahwa garis yang dibuat oleh-oleh titik titik data mengikuti
alur garis expected. Hal ini menunjukan bahwa data berdistribusi normal.

Hipotesis untuk data sudut 45


1.
2.
3.
4.

Ho : Data berdistribusi normal


Hi : Data tidak Berdistribusi normal
= 0.05
Daerah kritis : P-value < 0.05

5.

Perhitungan : P-value > 0.150 dan = 0.05


Sehingga P-Value > = 0.150 > 0.05

Program Studi Teknik Industri


Universitas Diponegoro

73

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Gambar 3.25 Minitab Probability Plot (45 )

Probability Plot of C10


Normal

99

Mean
StDev
N
KS
P-Value

95
90

143.3
7.119
10
0.217
>0.150

Percent

80
70
60
50
40
30
20
10
5

125

130

135

140

145
C10

150

155

160

6. Keputusan : Karena P-Value > = 0.150 > 0.05, Ho diterima


7. Kesimpulan: Data berdistribusi normal
Analisis
Dalam grafik terdapat dua garis, yaitu garis lurus merupakan garis

expected normal dan garis yang dibuat oleh titik data. Dalam grafik di
atas telihat bahwa garis yang dibuat oleh-oleh titik titik data mengikuti
alur garis expected. Hal ini menunjukan bahwa data berdistribusi normal.

3.2.2.2 Uji Linieritas


a.
SPSS

Hipotesis
1.
Ho : Data berdistribusi normal
2.
H1 : Data tidak berdistribusi normal
3.
= 0.05
4.
Daerah kitis : nilai sig < 0.05
5.
Perhitungan :

Program Studi Teknik Industri


Universitas Diponegoro

74

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.30 Uji Linieritas RAL (SPSS)

ANOVA Table
Sum of Squares
panjang1 *

Between

sudut

Groups

df

Mean Square

Sig.

(Combined)

15222.200

5074.067

138.573

.000

Linearity

15207.680

15207.680

415.321

.000

14.520

7.260

.198

.821

1318.200

36

36.617

16540.400

39

Deviation from
Linearity
Within Groups
Total

6.
Keputusan : karena nilai sig > 0.05, maka Ho diterima
7.
Kesimpulan : Data berdistribusi normal
Analisis
Dari hasil output SPSS, maka dapat dilihat dari kolom sig pada

nilai deviation from linearity mempunyai nilai sebesar 0,821. Sehingga


dapat

dikatakan

data

inimenunjukkanbahwapengambilan
dilakukantidakadaperlakuankhusus

tergolonglinier.Hal
data

yang

menjadikan

yang
data

bersifatlinieritas.Sehinggadapatdisimpulkanantara 4 perlakuan sudut


luncur kelereng yang berbeda-beda dengan panajang diatas 10 alas yang
berbeda pula memenuhi syarat kelinearitasan.

3.2.2.3 Ujji Homogenitas Variansi

Manual
1.
Ho : 12 = 22= 32= 42
2.
Hi : variasi tidak semua sama
3.
= 0.05
4.
Daerah kritis : g > g, dengan n = 10 dan k = 4 maka, nilai
g(Lihat tabel L.11) adalah 0,5017
5.
perhitungan :
Program Studi Teknik Industri
Universitas Diponegoro

75

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.31 Perhitungan homogenitas

No

Alas/Kemiringan

15

25

35

45

Jeans

88

98

117

138

Plastik

95

103

127

135

Kertas Minyak

92

114

125

141

Kain Tipis

86

112

123

139

Buku

90

113

124

143

Talenan

96

108

128

147

Duplex

99

120

132

142

Papan Gantung

92

106

129

152

9
10

Kertas Asturo
Kertas Manila
Si

86
88
19.51

99
98
58.10

126
121
18.18

158
138
50.68

G=

0.396668

6.
Keputusan : karena : g < g = 0.3966<0.5017, Ho diterima
7.
Kesimpulan : 12 = 22= 32= 42
SPSS
1.
Ho = 12 = 22= 32= 42
2.
Hi = Tidak semua variansi sama atau homogen
3.
= 0.05
4.
Daerah Kritis : nilai sig < 0.05
5.
Perhitungan
Tabel 3.32 Output SPSS Uji Homogenitas
Test of Homogeneity of Variances
panjang1
Levene Statistic
1.978

df1

df2
3

Sig.
36

.135

Nilai sig = 0.135 , dimana = 0.05


Program Studi Teknik Industri
Universitas Diponegoro

76

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Sehingga nialai sig>

6.
7.
Minitab
1.
2.
3.
4.
5.

= 0.135 > 0.05

Keutusan : nilai sig > sehingga Ho diterima


Kesimpulan : Data bersifat homogeny
Ho: Sampel bersifat homogeny
Hi : sampel tidak homogeny
= 0.05
Daerah Kritis : P value Barlett test < 0.05 dan P value
levene test < 0.05, Ho ditolak
Perhitungan :
Gambar 3.26 Uji Homogenitas RAK (Minitab)

uji homogenitas
Bartlett's Test
Test Statistic
P-Value

15

4.67
0.197

Lev ene's Test


Test Statistic
P-Value

C3

25

1.58
0.211

35

45

4
6
8
10
12
14
16
95% Bonferroni Confidence Intervals for StDevs

Program Studi Teknik Industri


Universitas Diponegoro

18

77

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

P value F test = 0.000, P value Levene test 0.000, jadi


P Value F test > 0.005 , P value Levene Test > 0.05
6.

Keputusan
P Value F test > 0.005 maka Ho diterima
P value Levene Test > 0.05, maka Ho diterima

7.

Kesimpulan
Sampel bersifat homogen

3.2.2.4 Uji Indendensi (Chi-Square)


a.
Manual

Hipotesis
1.
Ho : Ada kebebasan antara perlakuan dengan relikasi
2.
H1: Tidak ada kebebasan anatara perlakuan dengan replikasi
3.
= 0.05
4.
Daerah kritis : : 2> 2 dimana 2 =
5.
Perhitungan :
Tabel 3.33 Perhitungan Manual Uji Independensi RAK 1

Replikasi

2
Ei

total

Oi
86.16 98

Oi
101 117

Ei

Oi

Ei

Oi
88

118

138

135

441

95

89.87

103

106

127

123

135

141

460

92

92.22

114

108

125

127

141

145

472

86

89.87

112

106

123

123

139

141

460

90

91.83

113

108

124

126

143

144

470

96

93.58

108

110

128

128

147

147

479

99

96.32

120

113

132

132

142

151

493

92

93.58

106

110

129

128

152

147

479

86

91.63

99

108

126

126

158

144

469

10

88

86.94

98

102

121

119

138

137

445

Total

912

Program Studi Teknik Industri


Universitas Diponegoro

1071

Ei

1252

1433

4668

78

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.34 Perhitungan Manual Uji Independensi RAK 2

Replikasi

perlakuan
2
3
0.099981 0.013856
0.061122 0.106439
0.30075 0.020088
0.39543 0.001147
0.247469 0.033607
0.032817 0.001735
0.41955 0.00039
0.138336 0.002169
0.688091 0.00035
0.164511 0.022726

1
0.039321
0.292661
0.000506
0.166774
0.036279
0.062396
0.074638
0.026796
0.345901
0.012902

1
2
3
4
5
6
7
8
9
10

4
0.050712
0.273314
0.104773
0.034666
0.011397
1.39E-05
0.576777
0.166956
1.366139
0.014189

V = (n-1)(k-1)=(10-1)(4-1)=27
Dari tabel L5 didapat2 (dengannilaiv = 27) = 40.113
k

2
i 1

(Oi ei ) 2
= 6.407676
ei

Keputusan : Karena 2<2, maka jangan tolak Ho.


Kesimpulan : data percobaan terdapat kebebasan antar
perlakuan dengan replika
Analisis
Pada uji indenpedensi dengan perhitungan manual diperoleh
6.
7.

keputusan untuk tidak menolak Ho sehingga memperlihatkan adanya


kebebasan antara perlakuan dengan replikasi dan data independen yang
dapat

dilihat

dari

nilai

chi

square

telah

memenuhi

kriteria

independenitas. Nilai 2 adalah 6.40


b.

Minitab

Hipotesis
1. Ho : Ada kebebasan antara perlakuan dengan relikasi
2. H1: Tidak ada kebebasan anatara perlakuan dengan replikasi
3.
= 0.05

Program Studi Teknik Industri


Universitas Diponegoro

79

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

4. Daerah kritis : : 2>2, 2= 16.92


5. Perhitungan
Expected counts are printed below observed counts
Chi-Square contributions are printed below expected
counts
C1
88
86.16
0.039

C4
98
101.18
0.100

C7
117
118.28
0.014

C10
138
135.38
0.051

Total
441

95
89.87
0.293

103
105.54
0.061

127
123.38
0.106

135
141.21
0.273

460

92
92.22
0.001

114
108.29
0.301

125
126.59
0.020

141
144.90
0.105

472

86
89.87
0.167

112
105.54
0.395

123
123.38
0.001

139
141.21
0.035

460

90
91.83
0.036

113
107.83
0.247

124
126.06
0.034

143
144.28
0.011

470

96
93.58
0.062

108
109.90
0.033

128
128.47
0.002

147
147.05
0.000

479

99
96.32
0.075

120
113.11
0.420

132
132.23
0.000

142
151.34
0.577

493

92
93.58
0.027

106
109.90
0.138

129
128.47
0.002

152
147.05
0.167

479

86
91.63
0.346

99
107.60
0.688

126
125.79
0.000

158
143.98
1.366

469

10

88
86.94
0.013

98
102.10
0.165

121
119.35
0.023

138
136.61
0.014

445

Total

912

1071

1252

1433

4668

Chi-Sq = 6.408, DF = 27, P-Value = 1.000

6. Keputusan
Karena 2<2 yaitu 6.408 < 16.92 maka Ho diterima
Program Studi Teknik Industri
Universitas Diponegoro

80

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

7. Kesimpulan
Terdapat hubungan saling bebas antara perlakuan

Analisa
Dari output software di atas dapat diketahui bahwa 2 adalah
6.408 dan nilai 2 adalah 16.92 sehingga menurut uji hipotsis
dimana daerah kritis adalah dimana 2>2 tidak terpenuhi
sehingga Ho diterima sehingga dapat disimpulakan bahwa data
diatas berdistribusi normal.

3.2.2.5 Uji Ketidakadiktifan


a.
Manual

Hipotesis
H0

: Uji aditif diterima

2.

H1 : Uji aditif ditolak

3.

= 0,05

4.

Daerah kritis

: F hitung > F = F (1,36) = 4,116, F hitung

> 4,116
5.

Perhitungan

Tabel 3.35 Data Perhitungan Uji Ketidakadiktifan RAK

NO
1
2
3
4
5
6
7
8
9
10
Yi Bar
Yi J

15
88
95
92
86
90
96
99
92
86
88
91.2
912

Program Studi Teknik Industri


Universitas Diponegoro

25
98
103
114
112
113
108
120
106
99
98
107.1
1071

35
117
127
125
123
124
128
132
129
126
121
125.2
1252

45
Yj bar
138
110.25
135
115
141
118
139
115
143
117.5
147
119.75
142
123.25
152
119.75
158
117.25
138
111.25
143.3
116.7
1433
4668

81

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.36 Data Perhitungan Uji Ketidakadiktifan RAK 2

Q=(i)(j)ij
1
2
3
4
5
6
7
8
9
10

1
14473.8
4118.25
-3049.8
3728.1
-1836
-7466.4
16535.475
-7155.3
-1206.15
12229.8

2
6068.16
1680.96
-1422.72
1827.84
-867.84
-3162.24

-6414.53 -23676.7
-1835.15
-6104.7
1381.25 4875.78
-1777.35 -6285.58
843.2 3043.04
3318.4 11926.11

-7545.6
7349.1 24740.66
-3103.68 3344.325 12331.76
-522.72
589.05 2311.54
5127.36 -5605.33 -20005.9
jumlah
-270.59
Jumlah
kuadrat
73218.95

Tabel 3.34 Hasil Perhitungan Uji Ketakadiktifan RAK 1

(Yi-Y
(Yi-Y
Yi-Y bar Yi-Y bar Yi-Y bar Yi-Y bar bar)2
(Yi-Y bar)2 bar)2
(Yi-Y bar)2
-28.7
-18.7
0.3
21.3
823.69
349.69
0.09
453.69
-21.7
-13.7
10.3
18.3
470.89
187.69
106.09
334.89
-24.7
-2.7
8.3
24.3
610.09
7.29
68.89
590.49
-30.7
-4.7
6.3
22.3
942.49
22.09
39.69
497.29
-26.7
-3.7
7.3
26.3
712.89
13.69
53.29
691.69
-20.7
-8.7
11.3
30.3
428.49
75.69
127.69
918.09
-17.7
3.3
15.3
25.3
313.29
10.89
234.09
640.09
-24.7
-10.7
12.3
35.3
610.09
114.49
151.29
1246.09
-30.7
-17.7
9.3
41.3
942.49
313.29
86.49
1705.69
-28.7
-18.7
4.3
21.3
823.69
349.69
18.49
453.69
jumlah
16540.4

Program Studi Teknik Industri


Universitas Diponegoro

82

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.35 Hasil Perhitungan Uji Ketakadiktifan RAK 2

yij^2
1
2
3
4
5
6
7
8
9
10

1
7744
9025
8464
7396
8100
9216
9801
8464
7396
7744

2
9604
10609
12996
12544
12769
11664
14400
11236
9801
9604

3
13689
16129
15625
15129
15376
16384
17424
16641
15876
14641
jumlah

4
19044
18225
19881
19321
20449
21609
20164
23104
24964
19044
561296

Tabel 3.36 Data Perhitungan Uji Ketidakadiktifan RAK

15

25

35

45

88

98

117

138

95

103

127

135

92

114

125

141

86

112

123

139

90

113

124

143

96

108

128

147

99

120

132

142

92

106

129

152

86

99

126

158

88

98

121

138

912

1071

121

138

Program Studi Teknik Industri


Universitas Diponegoro

total
441
460
472
460
470
479
493
479
469
445
4668

83

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

15222.2
564.9

=0.34
Ketidakadiktifan = 0.113
KT pengujian sisa = 27.887385
F hitung =

= 0.0040

6.

Keputusan: : F hitung < F = 0.0040 < 4.116 , Ho diterima

7.

Kesimpulan : Uji aditif diterima

Analisis
Dari uji ketidakadiktifan terlihat bahwa F hitung lebih kecil
dibandingkan dengan F yaitu 0.0040 < 4.116 oleh karena itu uji
keadiktifan diterima.
3.2.3

Analisis Variansi
a.
Manual

Hipotesis
1.
Ho : 1 = 2 = 3 = 4
2.

H1 : Paling sedikit dua rataan tidak sama

3.

= 0,05

4.

Daerah kritisnya : F hitung > F tabel

5.

Perhitungan :

Program Studi Teknik Industri


Universitas Diponegoro

84

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

V1 = k 1

v2 = (k-1) (n-1)

= 4 1 =3

v2 = 3(10-1) = 27

Dilakukan interpolasi dari tabel L6 untuk mendapatkan nilai F tabel:

maka daerah kritis : Fhitung > F tabel, dimana F tabel

Tabel 3.37 Data Perhitungan Uji Ketidakadiktifan RAK

RAK

Perlakuan (dalam derajat)

Media

15

25

35

45

88
95
92
86
90
96
99
92
86
88

98
103
114
112
113
108
120
106
99
98

117
127
125
123
124
128
132
129
126
121

138
135
141
139
143
147
142
152
158
138

2
3
4
5
6
7
8
9
10
Sigma
(T)
T
kuadrat

912

1071

1252

1433

831744 1147041 1567504 2053489

Program Studi Teknik Industri


Universitas Diponegoro

Total

total^2

441

194481

460

211600

472

222784

460

211600

470

220900

479

229441

493

243049

479

229441

469

219961

445

198025

4668 2181282
5599778

85

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.38 Data Perhitungan Uji Ketidakadiktifan RAK

RAK

Perlakuan (dalam derajat)

Total

Media

15

25

35

45

7744
9025
8464
7396
8100
9216
9801
8464
7396
7744

9604
10609
12996
12544
12769
11664
14400
11236
9801
9604

13689
16129
15625
15129
15376
16384
17424
16641
15876
14641

19044
18225
19881
19321
20449
21609
20164
23104
24964
19044

50081

83350

115227

156914

205805

561296

2
3
4
5
6
7
8
9
10
total

Faktor Korelasi =

53988
56966
54390
56694
58873
61789
59445
58037
51033

544755.6

( )

16540.4

( )

15222.2

Program Studi Teknik Industri


Universitas Diponegoro

( )

86

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

=564.9
JKG = JKT JKA JKB
=16540.4-15222.2-564.9
=753.3

rataan kuadrat perlakuan (


(

)
)

( )

)(

Tabel 3.39 Analisis Variansi data

Sumber Variasi

Jumlah Kuadrat

Derajat

Rataan Kuadrat

F hitung

Kebebasan
JKA

15222.2

JKB

564.9

JKG

753.3

27

JKT

16540.4

39

6.
7.

Keputusan : Karena F hitung > F tabel maka Ho ditolak


Kesimpulan : Berdasarkan dengan software dan secara manual yang
telah dilakukan terlihat bahwa nilai Fhitung > F tabel yaitu sebesar
181.866> 2.872. maka diambil keputusan bahwa ANOVA ditolak.

Program Studi Teknik Industri


Universitas Diponegoro

87

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Analisis
ho dapat diterima jika Fhitung < F tabel. Dari perhitungan di atas
didapat bahwa besarnya F hitung adalah sebsar 181.866 dan f tabel
sebesar 2.8839. sehingga dapat disimpulkan bahwa F hitung> dari
pada F tabel. Hal ini menyebabkan Ho ditolak, sehingga kesimpulan
yang diperoleh adalah keputusan ANOVA ditolak.

b.

Minitab
Two-way ANOVA: C1 versus C3, C2
Source
C3
C2
Error
Total

DF
3
9
27
39

S = 5.282

c.

SS
15222.2
564.9
753.3
16540.4

MS
5074.07
62.77
27.90

R-Sq = 95.45%

F
181.87
2.25

P
0.000
0.050

R-Sq(adj) = 93.42%

Excel

ANOVA
Source of Variation
Rows

SS
564.9

MS
F
9 62.76667 2.249701

Columns
Error

15222.2
753.3

3 5074.067 181.8662
27
27.9

Total

16540.4

39

3.2.4

df

P-value
F crit
0.05004 2.250131
5.15E18 2.960351

Uji Perbandingan Berpasangan


Uji T
Manual

P1 dan P2 (Sudut 1 dan sudut 2)


1.
Ho :
2.
H1 :
3.
= 0.05

Program Studi Teknik Industri


Universitas Diponegoro

88

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

4.
(
5.

Tabel 3.40 Perhitungan Jumlah dan Rata-Rata RAK

no
1
2
3
4
5
6
7
8
9
10
rata2
S

P1

P2

88
95
92
86
90
96
99
92
86
88

98
103
114
112
113
108
120
106
99
98

91.2
19.51111

107.1
58.1

6.229411
(

Program Studi Teknik Industri


Universitas Diponegoro

89

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

= -0.57074

6.
:
Ho di terima
7.
Kesimpulan : Rataan perlakuan 1 sama dengan rataan perlakuan 2
P1 dan P3
1.
Ho :
2.
H1 :
3.
= 0.05
4.
(
)
5.
:

Tabel 3.41 Perhitungan Jumlah dan Rata-Rata RAK

No
1
2
3
4
5
6
7
8
9
10
rata2
s

P1

P3

88
95
92
86
90
96
99
92
86
88

117
127
125
123
124
128
132
129
126
121

91.2
125.2
19.51111 18.17778

Program Studi Teknik Industri


Universitas Diponegoro

90

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

4.341019
(

= -1.75135

6.
8.

:
Ho diterima
Kesimpulan : Rataan perlakuan 1 sama dengan rataan perlakuan 3

P1 dan P4
1.
Ho :
2.
H1 :
3.
= 0.05
4.
(
5.

Tabel 3.42 Perhitungan Jumlah dan Rata-Rata RAK

NO

P1
1
2
3
4
5
6
7
8

Program Studi Teknik Industri


Universitas Diponegoro

P4

88
95
92
86
90
96
99
92

138
135
141
139
143
147
142
152
91

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Lanjutan Tabel 3.42 Perhitungan Jumlah dan Rata-Rata RAK

86
88

10
rata2
s

158
138

91.2
143.3
19.51111 50.67778

5.924056
(

= -1.96654

6.
9.

Keputusan :
Ho diterima
Kesimpulan: Rataan perlakuan 1 sama dengan rataan perlakuan 4

P2 dan P3
1.
2.
3.
4.

Ho :
H1 :
= 0.05
(

5.
Program Studi Teknik Industri
Universitas Diponegoro

92

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Tabel 3.43 Perhitungan Jumlah dan Rata-Rata RAK

No

p2
1
2
3
4
5
6
7
8
9
10

rata2

p3

98
103
114
112
113
108
120
106
99
98

117
127
125
123
124
128
132
129
126
121

107.1
125.2
58.1 18.17778

6.175669
(

= -0.65536

6.
7.

Keputusan :
Ho diterima
Kesimpulan : Rataan perlakuan 2 sama dengan rataan perlakuan 3

Program Studi Teknik Industri


Universitas Diponegoro

93

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

P2 dan P4
1.
2.
3.
4.

Ho :
H1 :
= 0.05
(

5.

:
Tabel 3.44 Perhitungan Jumlah dan Rata-Rata RAK

No

1
2
3
4
5
6
7
8
9
10
rata2

P2

P4

98
103
114
112
113
108
120
106
99
98

138
135
141
139
143
147
142
152
158
138

107.1
143.3
58.1 50.67778

7.374882

Program Studi Teknik Industri


Universitas Diponegoro

94

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

= -1.09759

6.
8.

Keputusan :
, Ho diterima
Kesimpulan : Rataan perlakuan 2 sama dengan rataan perlakuan 4

P3 dan P4
1.
2.
3.
4.

Ho :
H1 :
= 0.05
(

5.
Tabel 3.45 Perhitungan Jumlah dan Rata-Rata RAK

NO

1
2
3
4
5
6
7
8
9
10
rata2

Program Studi Teknik Industri


Universitas Diponegoro

P3

P4

117
127
125
123
124
128
132
129
126
121

138
135
141
139
143
147
142
152
158
138

125.2
143.3
18.17778 50.67778

95

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

5.867519
(

= -0.68978

6.
7.

Keputusan :
Ho diterima
Kesimpulan : Rataan perlakuan 3 sama dengan rataan perlakuan 4
Analisis

Berdasarkan Uji t yang telah dilakukan secara manual, keenam pengujian yang telah
dilakukan setiap ho diterima. Karena semua nilai t berada di luar daerah kritis ( t tabel > t >
- t tabel , dimana t tabel

). Dapat disimpulkan bahwa rataan di tiap perlakuan

adalah sama.

Program Studi Teknik Industri


Universitas Diponegoro

96

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

UJi F

1. Ho :
2. H1 :
3. = 0.10
4. Daerah Kritis :
f0,05(9,9) = 3,18
f0,95(9,9) = 0,31
Jadi, hipotesis nol ditolak jika f < 0,31 dan f > 3,18, dengan derajat
kebebasan v1 = 9 dan v2 = 9

5. Perhitungan
Tabel 3.46 Perhitungan Jumlah dan Rata-Rata RAK

No
1
2
3
4
5
6
7
8
9
10
mean
stdev
s^2

Program Studi Teknik Industri


Universitas Diponegoro

15

25

35

45

88
95
92
86
90
96
99
92
86
88

98
103
114
112
113
108
120
106
99
98

117
127
125
123
124
128
132
129
126
121

138
135
141
139
143
147
142
152
158
138

91.2
107.1
125.2
143.3
4.417138 7.622336 4.263541 7.118833
19.51111
58.1
18.17778 50.67778

97

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

f=

perlakuan 1 dan 2
f=

= 0.38

= 3.19

perlakuan 2 dan 4
f=

= 1.073

perlakuan 2 dan 3
f=

perlakuan 1 dan 4
f=

= 0.335

perlakuan 1 dan 3

f=

=1.14

perlakuan 3 dan 4
f=

=0.35

6. Keputusan
Perlakuan 1 dan 2, f > 0,31 dan f < 3,18, maka jangan tolak Ho

Perlakuan 1 dan 3 f >0,31 tetapi f < 3,18, jangan maka tolak Ho

Perlakuan 1 dan 4 f > 0,31 dan f < 3,18, maka jangan tolak Ho

Perlakuan 2 dan 3 f > 0,31 dan f > 3,18, maka tolak Ho

Perlakuan 2 dan 4 f > 0,31 dan f < 3,18, maka jangan tolak Ho

Perlakuan 3 dan 4 f > 0,31 dan f < 3,18, maka jangan tolak Ho

Program Studi Teknik Industri


Universitas Diponegoro

98

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

7. Kesimpulan

Variansi perlakuan 1 sama dengan variansi perlakuan 2

Variansi perlakuan 1 sama dengan variansi perlakuan 3

Variansi perlakuan 1 sama dengan variansi perlakuan 4

Variansi perlakuan 2 tidak sama dengan variansi perlakuan 3

Variansi perlakuan 2 sama dengan variansi perlakuan 4

Variansi perlakuan 3 sama dengan variansi perlakuan 4

Analisis

Dalam perhitungan Uji F diatas, diperoleh bahwa Variansi


perlakuan 1 sama dengan variansi perlakuan 2, Variansi
perlakuan 1 sama dengan variansi perlakuan 3, Variansi
perlakuan 1 sama dengan variansi perlakuan 4, Variansi
perlakuan 2 tidak sama dengan variansi perlakuan 3, Variansi
perlakuan 2 sama dengan variansi perlakuan 4, Variansi
perlakuan 3 sama dengan variansi perlakuan 4

Program Studi Teknik Industri


Universitas Diponegoro

99

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

BAB IV
PENUTUP

4.1 Kesimpulan
1. Analisis variansi (ANOVA) merupakan Analisis Varians pertama kali yang
diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. ANOVA adalah suatu uji
perhitungan yang diterapkan untuk data yang dihasilkan oleh eksperimen yang diracang
atau pada kasus dimana data dikumpul pada variabel yang terkontrol. ANOVA
merupakan

metode analisis statistika yang termasuk ke dalam cabang statistika

inferensi. Yang dimana nama lain juga dikenal dalam metode ini , nama-nama tersebut
diantaranya adalah: analisis ragam, sidik ragam, dan analisis variansi. ANOVA juga
merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai
dalam pengambilan keputusan. Dalam praktik, 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 antarcontoh (among samples) dan varians kedua adalah varians di dalam masingmasing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua
contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean).

2. Dalam menganalisis perbedaan tiga variabel atau lebih, one-way ANOVA sangat
berguna untuk dimanfaatkan. Dalam hal ini, terdapat perbedaan dalam penggunaan One
way ANOVA dan two way ANOVA, dimana perbedaan karakteristik one-way ANOVA
dan two way ANOVA adalah one-way ANOVA berlaku jika variabel-variabel yang
digunakan dalam penelitian diambil secara acak dari setiap kelompok.. Jika variabelvariabel tiap kelompok tidak diambil secara acak melainkan ditempatkan dalam cluster-

Program Studi Teknik Industri


Universitas Diponegoro

100

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

cluster tertentu sesuai dengan karakteristik yang mungkin ada dalam variabel itu, maka
teknik analisisnya adalah two way ANOVA.

3. Pada pengolahan data modul 2 ini, hasil SPSSnya adalah sebagai berikut :
a. Rancangan Acak Lengkap (RAL)
Uji normalitas :
Kolmogorov Smirnov
Nilai sig yang diperoleh berturut-turut adalah 0,200; 0,200; 0,200; 0,200
Shapiro-Wilk
Nilai sig yang diperoleh berturut-turut adalah 0,201; 0,963; 0,914; 0,744
Uji Linearitas
Nilai Eta Square yang diperoleh pada linearity adalah 0,978
Uji homogenitas Variansi
Nilai Sig yang diperoleh adalah 0,694
Analisis Variansi (ANOVA)
Nilai f hitung yang diperoleh adalah 517,176
Uji Perbandingan Berpasangan
Uji Orthogonal Contrast
Terdapat perbedaan secara nyata antara semua pasangan.
Uji LSD
Terdapat perbedaan secara nyata antara semua pasangan.
Uji Duncan
Terdapat perbedaan secara nyata antara semua pasangan.
Uji Tukey
Terdapat perbedaan secara nyata antara semua pasangan.
Uji Dunnet
Terdapat perbedaan secara nyata antara semua pasangan.
Program Studi Teknik Industri
Universitas Diponegoro

101

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

b. Rancangan Acak Kelompok (RAK)


Uji Normalitas
Kolmogorov Smirnov
Nilai sig yang diperoleh berturut-turut adalah 0, 200; 0,200; 0,200; 0,200
Shapiro-Wilk
Nilai sig yang diperoleh berturut-turut adalah 0,509; 0,464; 0,995; 0,220
Uji Linieritas
Nilai Sig yang diperoleh pada linearity adalah 0,000 dan pada deviation from linearity
adalah 0,821
Uji Homogenitas Variansi
Nilai Sig yang diperoleh adalah 0,135

4. Dari hasil olahan data, semua uji di atas dapat disimpulkan bahwa data Rancangan Acak
Kelompok

(RAK)

dan

Rancangan

Acak

Lengkap

mengglindingkan kelereng 4 perlakuan dengan


dan

(RAL)

perbedaan sudut

mengenai
awal

jarak
,

adalah berdistribusi normal.

4.2 Saran
1. Dalam membaca output SPSS dan minitab hendaknya praktikan lebih teliti agar tidak
terjadi kesalahan dalam penganalisaan hasil output.
2. Dalam perhitungan pengujian manual praktikan seharusnya lebih teliti agar hasil yang
didapat sesuai dengan pengolahan menggunakan software.
3. Dalam pengambilan data RAK dan RAL seharusnya lebih teliti dalam melihat jarak yang
dihasilkan oleh gelinding kelereng tersebut.
4. Praktikan diharapkan mengerti penggunaan Ms. Excel agar lebih memudahkan dalam
perhitungan manual.

Program Studi Teknik Industri


Universitas Diponegoro

102

Laporan Statistika Industri


Modul 2 Analisis Variansi
Kelompok 15

Program Studi Teknik Industri


Universitas Diponegoro

103