BAB II

LANDASAN TEORI


2.1 Pengertian Emas
Emas sebagai logam
adalah sebuah elemen kimia
yang memiliki simbol Au dan
nomor atom 79. Sifat kimia
dari emas adalah inert,
artinya emas tidak mudah
bereaksi dengan unsur kimia
lain. Emas tetap akan berkilau
walaupun sekian lama terkubur di dalam tanah atau di dasar lautan. Logam
emas mempunyai kegunaan dalam berbagai industri. Tapi penggunaan
utamanya adalah sebagai perhiasan dan alat transaksi perdagangan atau mata
uang, keduanya merupakan sarana lindung nilai. Emas telah digunakan
sebagai mata uang sejak lebih dari 5000 tahun yang lalu.Emas merupakan
logam yang mempunyai nilai yang sangat tinggi di semua kebudayaan di
dunia, bahkan dalam bentuk mentahnya sekalipun. Di Indonesia terdapat
salah satu tambang emas terbesar di dunia, yaitu yang berada di Tembaga
Pura, Papua yang dikelola oleh PT. Freeport Indonesia. Emas, merupakan
barang yang sangat berharga. Biasanya, seseorang menyimpan emas dan
menggunakannya sebagai aset investasi, karena dengan menyimpan emas kita
memiliki beberapa keuntungan dalam melindungi aset kita. Harga Emas yang
cenderung menaik juga semakin membuat sebaggian besar orang tertarik
untuk membeli emas untuk investasi jangka panjang, selain aset rumah, tanah,
dan aset lainnya (http://goenawanb.com/investasi/pengertian-emas/)




29
2.2 Konsep Dasar Analisis Variansi
Pada materi ini dilakukan pengujian hipotesis dengan menggunakan
distribusi F. Distrbusi probabilitas ini di gunakan sebagai uji statistik di berbagai
situasi. Distribusi F digunakan untuk menguji apakah dua buah sampel berasal
dari populasi yang variansi yang sama. Selain itu, distribusi F juga digunakan bila
kita ingin membandingkan dua atau lebih rata-rata populasi secara simultan.
Perbandingan simultan terhadap beberapa rata-rata populasi dinamakan analisis
variansi (analysis of variance = ANOVA). Pada kedua situasi tersebut,
populasinya harus normal, dan datanya paling tidak harus dalam skala interval.
Ciri-ciri utama distribusi F adalah sebagai berikut :
a. Terdapat dua parameter, yaitu derajat bebas pembilang dan derajat
bebas penyebut.
b. Nilai F tidak pernah negatif dan merupakan distribusi yang kontinyu.
c. Kurva distribusi F menjulur kearah positif.
d. Nilai F mampunyai rentang dari 0 hingga ~. Bila nilai F meningkat,
kurva distribusi mendekati sumbu X, tetapi tidak pernah
menyentuhnya.


Y
X
Ho
diterima
Ho
ditolak
0 F table

Gambar 2.1 Kurva Distribusi F
Pada materi ini, distribusi F digunakan untuk menguji hipotesis yang
menyatakan bahwa variansi atau populasi normal sama dengan variansi populasi
normal lainnya. Jadi uji F bermanfaat untuk menentukan apakah suatu populasi
30
normal mempunyai lebih banyak keragaman dibandingkan populasi normal
lainnya.
Uji F juga dapat digunakan untuk menguji validasi asumsi-asumsi yang
berkaitan dengan uji statistik tertentu. Sebagai contoh, uji t digunakan untuk
menentukan apakah rata-rata dua populasi independen berbeda. Untuk
menggunakan uji t kita perlu mengasumsikan bahwa dua variansi populasi sama.
Distribusi F juga dipergunakan untuk menguji kesamaan dari dua rata-rata
hitung atau lebih dengan menggunakan teknik yang dinamakan analisis variansi
(analysis of variance = ANOVA).
Syarat-syarat analisis variansi adalah sebagai berikut :
a. Populasi-populasi yang diteliti memiliki distribusi normal
b. Populasi tersebut memiliki standar devisi yang sama (atau variansi
yang sama).
c. Sampel yang ditarik dari populasi tersebut bersifat bebas, dan sampel
ditarik secara acak.
Uji F adalah uji statistik yang dipergunakan untuk mengetaui apakah rata-
rata hitung dua populasi atau lebih adalah sama. Apabila satu atau beberapa
asumsi diatas tidak terpenuhi, teknik ANOVA tidaklah tepat untuk digunakan.
Sebagai gantinya, digunakan uji Kruskal-Wallis yang akan dibahas pada materi
statistik non parametrik.

2.2 Prosedur Analisis Variansi
Prosedur ANOVA juga mempergunakan prosedur uji hipotesis yang sama
dengan prosedur uji hipotesis yang lain yaitu :
a. Menentukan hipotesis nol dan hipotesis alternatifnya.
b. Menentukan taraf nyata.
c. Menentukan uji statistik.



Uji statistik yang dipergunakan adalah distribusi F.
Variansi populasi yang di duga dengan keragaman antara rata-rata hitung sampel
F =
Variansi populasi yang diduga berdasarkan keragaman didalam sampel
31

Istilah umum untuk pembilang adalah Variansi antar sampel. Untuk
penyebut adalah variansi didalam sampel. Pembilang memiliki
derajat bebas k-1 dan penyebut memiliki derajat bebas k(n-1),
dinamakan k adalah banyaknya perlakuan dan n adalah banyaknya
pengamatan.
d. Menentukan aturan pengambilan keputusan.
e. Menghitung F dan mengmbil keputusan.
Untuk membantu perhitungan F disusunlah tabel ANOVA. Tabel ini
adalah bentuk yang mudah untuk menyimpan hasil perhitungan. Format umum
untuk menyimpan hasil analisis variansi satu arah ditnjukkan pada tabel berikut :

Tabel 2.1 Format Umum untuk Analisis Variansi Satu Arah
Sumber
Variansi
Jumlah
Kuadrat
Derajat
Bebes
Kuadrat
Tengah
Hitung
Antar
Perlakuan
JKA k-n
1 k
JKA
= s
2
1

2
2
2
1
s
s

Galat (dalam
perlakuan)
JKG k(n-1)
) 1 ( n k
JKG
= s
2
2

Total JKT nk-1

Keterangan :
a. S
2
1
adalah rata-rata hitung antar perlakuan atau mean square
between treatments (MSTR).
b. S
2
2
adalah kuadrat tengah karena pengaruh kesalahan atau kuadrat
tengah dalam perlakuan atau mean square due to error (MSE).
Kuadrat tengah berarti jumlah kuadrat dibagi derajat bebas. Hasil
pembagian ini adalah sama dengan rumus hitung varians. Jadi
suatu kuadrat tengah adalah ukuran keragaman.
c. JKA adalah jumlah kuadrat antar perlakuan atau sum of square
treatment (SST).
Dapat dihitung dengan rumus :
32
JKA =
nk
T
n
k
i
2
1

=

d. JKT adalah jumlah dari keragaman antar kolom dan antar baris
atau SS total.
Dapat dihitung dengan rumus :
JKT =
nk
T
Y
ij
n
j
k
i
2
2
1 1

e. JKG adalah jumlah kuadrat kesalahan atau sum of square error
(SSE).
Dapat dihitung dengan rumus :
JKG = JKT JKA
f. Karena rasio kedua nilai variansi ( kuadrat tengah ) mengikuti
bentuk distribisi F maka kita dapat menghitung nilai F sebagai
berikut :
2
2
2
1
) 1 (
1
S
S
n k
JKG
k
JKA
=

2.3 Analisis Variansi Multifaktor
Seperti yang telah kita ketahui bersama bahwa statistik berurusan dengan
pengembangan dan penggunaan metode serta teknik untuk pengumpulan,
penyajian, penganalisaan dan pengambilan kesimpulan mengenai populasi
berdasarkan sekumpulan data, sehingga ketidakpastian dari kesimpulan
berdasarkan data itu dapat diperhitungkan dengan menggunakan ilmu hitung
probabilitas. Dalam hal ini perlu diingat bahwa analisis hanya bersifat eksak
apabila asumsi-asumsi (pada umumnya mengenai bentuk distribusi) semuanya
dipenuhi. Akan tetapi pada kenyataannya hal ini tidak mungkin terjadi dan sukar
dibuktikan sepenuhnya sehingga hal ini akan tergantung pada kecakapan memilih
metode analisis yang tepat untuk suatu persoalan, termasuk cara-cara perencanaan
untuk memproleh data yang dibutuhkan.
33
Sering terjadi bahwa data yang dikumpulkan ternyata tidak atau kurang
berfaedah untuk keperluan analisis persoalan yang dihadapi. Untuk mengatasi hal
ini, sebuah cara harus ditempuh yang dikenal dengan nama analisis variansi atau
Desain Eksperimen yaitu suatu teknik untuk menganalisis atau menguraikan
seluruh (total) variansi atas bagian-bagian yang mempunyai makna.
Setiap perlakuan dasar disebut faktor dan jumlah bentuk yang mungkin
dari suatu faktor disebut taraf dari faktor tersebut. Ada empat macam faktor yang
digunakan yaitu :
a. Faktor Kualitatif Spesifik
Faktor yang taraf-tarafnya tidak dapat disusun bertingkat, berarti
perbedaannya hanya dapat dijelaskan secara deskriptif, sebagai contoh
uji varietas padi, uji insektisida, teknik pemangkasan yang berbeda-
beda dan pengolahan tanah yang berbeda-beda.
b. Faktor Kuantitatif
Faktor dengan taraf-taraf yang berbeda secara kuantitatif, contohnya
dosis pupuk Nitrogen 0 kg N/ha dan 30 kg N/ha, perbedaan suhu 15
0

C, 20
0
C dan25
0
C. penentuan tarafnya disini hanya berdasarkan
perkiraan, pada perubahan pupuk Nitrogen atau suhu berapa akan
berpengaruh.
c. Faktor Kualitaif Bertingkat
Suatu faktor disusun berdasarkan tingkatannya, pengelompokannya
dilakukan secara kasar sehingga tidak dapat diukur secara kuantitatif.
Misalnya serangan penyakit pada suatu tanaman dengan taraf-tarafnya
terserang berat, sedang dan ringan atau umur orang dibawah 20 tahun,
20-30 tahun, diatas 30 tahun. Faktor ini bersifat tetap karena perbedaan
antar taraf dapat dijelaskan dengan baik.




d. Faktor Kualitatif Sampel
Contohnya adalah sebagai berikut :
34
1. Bahan baku industri, taraf-tarafnya diambil secara acak dari
populasi bahan baku.
2. Percobaan dibidang pertanian yang diulang setiap tahun atau
dibeberapa pusat penelitian, taraf-tarafnya adalah tahun atau
beberapa pusat penelitian.
3. Percobaan untuk meneliti pengaruh dua metode analisis kimia
sebagai faktor pertama dan sebagai faktor kedua (faktor kualitatif
sampel adalah beberapa teknisi yang berbeda).

2.3.1 Percobaan Faktorial
Misalkan kita ingin meneliti pengaruh dua faktor A dan B pada suatu
respon. Sebagai contoh, dalam suatu percobaan kimia kita ingin mengubah
tekanan reaksi dan waktu reaksi secara serentak dan meneliti pengaruh waktu
masing-masing pada hasil reksi. Dalam percobaan biologi, mungkin ingin diteliti
pengaruh waktu dan suhu pengeringan pada sejumlah bahan padat (persen berat)
yang tertinggal dalam sampel ragi. Seperti yang telah disebut sebelumnya, istilah
faktor dipakai dalam arti yang luas untuk menyatakan setiap hal yang
mempengaruhi percobaan seperti suhu, waktu atau tekanan yang mungkin
berubah dari suatu usaha keusaha lainnya. Taraf suatu faktor didefinisikan sebagai
nilai sesungguhnya yang digunakan dalam percobaan.
Dalam setiap hal ini, tidak hanya menentukan apakah kedua faktor
berpengaruh pada respon saja yang penting, tetapi juga menentukan apakah
terdapat interaksi yang berarti antara kedua faktor tadi. Sepanjang menyangkut
istilah, pecobaan yang di uraikan disini adalah klasifikasi dwiarah atau percobaan
dwifaktor dan rancangan percobaan mungkin rancangan teracak lengkap dengan
berbagai kombinasi perlakuan disusun secara acak pada semua satuan percobaan,
atau raancangan blok teracak lengkap dengan kombinasi faktor diatur secara acak
pada blok. Maksudnya, tidak dilakukan pembatasan seperti pemblokan terhadap
satuan percobaan. Dalam contoh ragi, berbagai kombinasi perlakuan mengenai
suhu dan waktu pengeringan dikenakan secara acak terhadap sampel ragi bila
rancangan teracak lengkap digunakan.
2.3.2 Interaksi dan Percobaan Dwifaktor
35
Sebelum menarik kesimpulan, kita sebaiknya berusaha dulu menentukan
adanya interaksi dengan suatu uji keberartian. Kemudian bila ternyata interaksi
tidak berarti, diteruskan dengan pengujian pengauh faktor utama. Bila data
menunjukkan adanya interaksi tidak berarti, maka hanya uji mengenai pengaruh
utama yang berarti yang berguna ditafsirkan. Pengaruh utama yang tidak berarti
bila ada interaksi bila mungkin sekali karena adanya penutupan dan ini
mengharuskan adanya pemerikaan pengaruh setiap faktor pada taraf yang tetap
faktor lainnya.
Interaksi dan galat percobaan terpisahkan dalam percobaan dwifaktor
hanya bila lebih dari satu pengamatan diambil pada berbagai kombinasi
perlakuan. Untuk koefisienan maksimum diusahakan mendapatkan banyak
pengamatan n yang sama pada tiap kombinasi. Diusahakan ada replikasi yang
sesungguhnya, bukan hanya pengulangan pengukuran. Sebagai contoh, dalam
pembahasan mengenai ragi, bila diambil n = 2 pengamatan pada tiap kombinasi
suhu dan waktu pengeringan, seharusnyalah tersedia dua sampel terpisah dan
bukan hanya pengulangan pengukuran pada sampel yang sama. Ini akan
memungkinkan keragaman karena satuan percobaan muncul dalam galat sehingga
variasi tidak hanya karena galat pengukuran.

2.3.3 Analisis Variansi Dwifaktor
Untuk memperoleh rumus umum analisis variansi percobaan dwifaktor
dengan pengamatan yang berukang dalam rancangan teracak lengkap, pandanglah
n replikasi pada tiap kombinasi perlakuan bila faktor A diamati pada taraf dan
faktor B pada b taraf. Pengamatan dapat disajikan dalam suatu matrik yang
basisnya menyatakan taraf faktor A, sedangkan kolomnya menyatakan taraf faktor
B. tiap kombinasi perlakuan menentukan suatu sel dalam matrik. Jadi tedapat
sebanyak ab sel, masing-masing berisi n pengamatan. Pengamatan tersebut
membentuk acak berukuran n dari suatu populasi yang berdistribusi normal dan
semua populasi yang banyaknya ab dianggap mempunyai variansi o
2
yang sama.




2.3.4 Percobaan Trifaktor
36
Pada bagian ini dibahas suatu percobaan dengan tiga faktor A, B, dan C
masing-masing pada taraf a, b, dan c, dalam rancangan percobaan teracak
lengkap. Misalkan kembali terdapat n pengamatan dalam tiap kombinasi
perlakuan abc.
Seperti telah diuraikan sebelumnya, agar uji keberartian yang absah dapat
dibuat harus dianggap bahwa galat merupakan nilai bebas dari peubah acak yang
berdistribusi normal, masing-masing dengan rata-rata nol dan variansi bersama o
2
.
Falsafah umum analisis sama saja dengan yang telah diuraikan pada
percobaan satu dan dwifaktor. Jumlah kuadrat diuraikan menjadi delapan bagian,
tiap bagian menggambarkan suatu sumber variasi yang memberikan taksiran o
2

yang bebas bila semua pengaruh utama dan interaksi nol. Bila pengaruh suatu
faktor tertentu atau interaksi tidak semuanya nol, maka rataan kuadrat akan
menaksir variansi galat ditambah suatu komponen yang diakibatkan oleh
pengaruh sistematis dari masalah yang diselidiki.

2.4 Uji Distribusi Normal atau Uji Kenormalan
Asumsi bahwa populasi berditribusi normal, asumsi normalitas, telah
melancarkan teori dan metode statistik sedemikian rupa sehingga banyak
persoalan yang dapat diselesaikan dengan lebih mudah dan cepat. Oleh karena itu,
cukup mudah dimengerti kiranya bahwa asumsi normalitas perlu dicek
keberlakuannya agar langkah-langkah selanjutnya dapat dipertanggung jawabkan.
Uji kenormalan dapat dilakukan dengan menggunakan uji kebaikan suai
atau kecocokan (Test of Goodnees of Fit). Uji ini didasarkan pada seberapa baik
kesesuaian antara frekuensi yang teramati dalam data contoh atau sampel dengan
frekuensi harapan yang didasarkan pada sebaran yang dihipotesiskan, dalam hal
ini adalah sebaran atau distribusi normal yang memiliki model (Sudjana, 1989) :
( )
2
2
1
2
1
|
.
|

\
|
=
o

t o
x
e x f
dimana :
t = 3.1415 dan e = 2.7183
o = Parameter merupakan simpangan baku untuk distribusi
= Parameter merupakan rata-rata untuk distribusi
37
Untuk keperluan pengujian normalitas ini, data harus disusun dalam daftar
distribusi frekuensi yang terdiri atas k buah kelas interval.
Uji kebaikan suai antara frekuensi yang teramati dengan frekuensi harapan
didasarkan pada besaran :
( )
Ei
Ei Oi
x
k
i
2
1
2

=

Sedangkan x
2
merupakan sebuah nilai perubah acak x
2
yang sebaran
penarikan contohnya sangat menghampiri sebaran khi-kuadrat. Lambang O
1
dan
E
1
, masing-masing, menyatakan frekuensi teramati dan rekuensi harapan bagi sel
ke-I (Dalil 10.1, Walpole, 1997).
Bila frekuensi teramati sangat dekat dengan frekuensi harapannya, nilai x
2

akan besar sehingga kesesuaiannya buruk. Kesesuaian yang baik akan membawa
penerimaan H
0
, sedangkan kesesuaian yang buruk akan membawa pada penolakan
H
0.
dengan demikian, wilayah kritiknya akan akan jatuh di ekor kanan sebaran
khi-kuadratnya. Untuk taraf nyata sebesar , nilai kritiknya x
2

(1-)(dk)
dapat
diproleh pada tabel distribusi khi-kuadrat, dengan demikian wilayah kritiknya
adalah x
2
> x
2

(1-)(dk)
(Sudjana, 1989). Kriterium keputusan ini tidak dapat
digunakan bila ada frekuensi harapan yang nilainya kurang dari 5. persyaratan ini
mengakibatkan adanya penggabungan sel-sel yang berdekatan, sehingga
mengakibatkan berkurangnya derajat bebas.
Banyaknya derajat dalam uji kebaikan-suai yang didasarkan pada sebaran
khi-kuadrat, sama dengan banyaknya sel (kelas) dalam percobaan yang
bersangkutan dikurangi dengan banyaknya besaran yang diproleh dari data
pengamatan (contoh) yang digunakan dalam perhitungan frekuensi harapannya
(Dalil 10.2, Walpole, 1997).
Banyaknya derajat bebas (dk) bagi uji keormalan adalah dk = k-3, karena
ada tiga besaran, yaitu frekuensi total, rata-rata, dan simpangan baku, yang
diperlukan untuk menghitung frekuensi-frekuensi harapannya, dan k adalah
banyaknya kelas interval.



2.5 Uji Homogenitas Variansi
38
Untuk menguji kesamaan beberapa buah rata-rata, sebagaimana dalam
metode analisis variansi (ANOVA), diasumsikan populasinya mempunyai
variansi yang homogen, yaitu
2 2
2
2
1
....
k
o o o = = . Oleh karenanya perlu dilakukan
pengujian homogenitas (kesamaan) variansi populasi normal.
Misalkan kita mempunyai k ( ) 2 > k buah populasi berdistribusi
independen dan normal masing-masing dengan variansi
2 2
2
2
1
,...., ,
k
o o o . Akan di
uji hipotesis :
H
0
:
2 2
2
2
1
....
k
o o o = =
H
1
: Paling sedikit satu tanda sama dengan tidak berlaku.
Berdasarkan sampel-sampel acak yang masing-masing diambil dari setiap
populasi.
Salah satu cara untuk menguji homogenitas k buah ( ) 2 > k variansi
populasi yang berdistribusi normal adalah dengan uji bartlett.
Kita misalkan memiliki masing-masing sampel berukuran n
1
, n
2
.,n
k
Dengan data Y
ij
(i = 1, 2, ., k dan j = 1, 2, .nk) kemudian dari sampel-sampel
itu kita hitung masing-masing variansinya yaitu s
1
2
, s
2
2
, .,s
k
2
. ternyata untuk uji
Bartlett digunakan statistik khi-kuadrat (Sudjana, 1989)
X
2
= (log 10) {B- (n
i
-1) log s
i
2
}
Dimana :
Ln 10 = 2.306
B = (log s
2
) (n
i
-1)
s
2

( )
( ) 1
1
1
2
1 1


=
n
s n

s = varians gabungan dari semua sampel.
Dengan taraf nyata , hipotesis H
o
ditolak jika x
2
hitung
> x
2

(1-) (dk)
, dimana
x
2
(1-) (dk)
didapat dari tabel distribusi khi-kuadrat dengan peluang (1-) dan dk =
(k-1).