Anda di halaman 1dari 92

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 BAB I PENDAHULUAN 1.1 Latar Belakang Gagasan perhitungan

BAB I

PENDAHULUAN

1.1 Latar Belakang

Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-1911) Persamaan

regresi adalah Persamaan matematik yang memungkinkan peramalan nilai suatu peubah

tak bebas (dependent variable) dari nilai peubah bebas (independent variable) Diagram

Pencar = Scatter Diagram. Diagram pencar merupakan diagram yang menggambarkan

nilai-nilai observasi peubah tak bebas dan peubah bebas. Nilai peubah bebas ditulis

pada sumbu X (sumbu horizontal). Nilai peubah tak bebas ditulis pada sumbu Y (sumbu

vertikal). Nilai peubah tak bebas ditentukan oleh nilai peubah bebas.

Pada dasarnya statistika dapat didefinisikan sebagai pengetahuan yang berhubungan

dengan pengembangan dan penggunaan metoda serta teknik untuk pengumpulan,

penyajian, penganalisisan dan pengambilan kesimpulan mengenai populasi berdasarkan

sekumpulan data. Dalam pengambilan kesimpulan, umumnya diperlukan metode

analisis dengan semua asumsi terpenuhi. Akan tetapi pada kenyataannya pemenuhan

asumsi tersebut kadang sulit untuk dilakukan, sehingga dalam banyak hal sering

bergantung pada ketepatan dalam pemilihan metode analisis yang tepat. Salah satu

metode analisis yang biasa digunakan adalah Analisis Variansi (ANOVA) untuk

rancangan percobaan. Sebelum dilakukan pengujian ANOVA, data hasil pengamatan

tersebut terlebih dahulu harus memenuhi asumsi-asumsi yang mendasari analisis

variansi tersebut. Hal tersebut perlu diperhatikan karena jika tidak terpenuhinya satu

atau lebih asumsi dapat mempengaruhi baik taraf nyata maupun kepekaan uji F atau t

terhadap penyimpangan sesungguhnya dari hipotesis nol. Misal dalam kasus

ketaknormalan, taraf nyata yang sesungguhnya biasanya lebih besar daripada yang

dinyatakan dapat mengakibatkan peluang ditolaknya hipotesis nol lebih besar, padahal

hipotesis itu benar. Tidak terpenuhinya asumsi-asumsi ANOVA dapat mengakibatkan

kekeliruan dalam pengambilam keputusan suatu hipotesis.

Oleh karena itu hubungan antara analisis variansi dan hasil sangat berpengaruh

besar yang dalam sebuah penelitian yang dilakukan, maka analisa variansi sangat

dibutuhkan dan sangat penting dalam penentuan rumusan atau penemuan suatu

dan sangat penting dalam penentuan rumusan atau penemuan suatu Program Studi Teknik Industri Universitas Diponegoro 1
dan sangat penting dalam penentuan rumusan atau penemuan suatu Program Studi Teknik Industri Universitas Diponegoro 1

Program Studi Teknik Industri Universitas Diponegoro

1

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 konstanta pembentuk suatu fenomena alam yang berguna dalam

konstanta pembentuk suatu fenomena alam yang berguna dalam memprediksi fenomena

yang akan terjadi selanjutnya.

Sebagai seorang mahasiswa teknik industri, ilmu mengenai analisis variansi sangat

diperlukan untuk melakukan prediksi sebelum mengambil keputusan dalam dunia kerja

nantinya dimana sebagai pedoman untuk mengambil suatu keputusan.

1.2 Tujuan Praktikum

Tujuan yang hendak dicapai dalam praktikum ini adalah :

1. Praktikan mampu melakukan analisis variansi sebagai analisa statistika 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.

4. Praktikan dapat menganalisa output SPSS.

menggunakan SPSS. 4. Praktikan dapat menganalisa output SPSS. Program Studi Teknik Industri Universitas Diponegoro 2
menggunakan SPSS. 4. Praktikan dapat menganalisa output SPSS. Program Studi Teknik Industri Universitas Diponegoro 2

Program Studi Teknik Industri Universitas Diponegoro

2

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 1.3 Metodologi Praktikum Identifikasi Masalah Studi Pustaka

1.3 Metodologi Praktikum

Identifikasi Masalah

Kelompok 16 1.3 Metodologi Praktikum Identifikasi Masalah Studi Pustaka Pengumpulan Data Uji Asumsi Klasik Pengolahan

Studi Pustaka

Pengumpulan Data

Identifikasi Masalah Studi Pustaka Pengumpulan Data Uji Asumsi Klasik Pengolahan Data Pengujian a. Anova b.

Uji Asumsi Klasik

Masalah Studi Pustaka Pengumpulan Data Uji Asumsi Klasik Pengolahan Data Pengujian a. Anova b. Orthogonal

Pengolahan Data

Pustaka Pengumpulan Data Uji Asumsi Klasik Pengolahan Data Pengujian a. Anova b. Orthogonal Contrast c.

Pengujian

a. Anova

b. Orthogonal Contrast

c. Perbandingan

(LSD,

Tukey)

d. Dunnet’s

Duncan,

c. Perbandingan (LSD, Tukey) d. Dunnet’s Duncan, Analisis Kesimpulan dan Saran Gambar 1.1 Flowchart

Analisis

(LSD, Tukey) d. Dunnet’s Duncan, Analisis Kesimpulan dan Saran Gambar 1.1 Flowchart Metodologi

Kesimpulan dan Saran

Gambar 1.1 Flowchart Metodologi Praktikum

Kesimpulan dan Saran Gambar 1.1 Flowchart Metodologi Praktikum Program Studi Teknik Industri Universitas Diponegoro 3
Kesimpulan dan Saran Gambar 1.1 Flowchart Metodologi Praktikum Program Studi Teknik Industri Universitas Diponegoro 3

Program Studi Teknik Industri Universitas Diponegoro

3

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 1.4 Sistematika Penulisan Berikut ini adalah sistematika

1.4 Sistematika Penulisan

Berikut ini adalah sistematika penulisan modul 2 tentang Analisis Variansi :

BAB I PENDAHULUAN

Berisi tentang latar belakang, tujuan praktikum, pembatasan masalah, prosedur

praktikum, flowchart praktikum, serta sistematika penulisan yang digunakan.

BAB II TINJAUAN PUSTAKA

Berisi tentang teori-teori yang sesuai dan berhubungan dengan praktikum yang akan

dilaksanakan seperti tentang pengertian korelasi dan regresi linier, macam- macam

regresi dan sebagainya.

BAB III PENGOLAHAN DAN ANALISIS DATA

Berisi tentang pengolahan data untuk regresi sederhana, regresi majemukdan regresi

polinom (Excel, SPSS, maupun minitab)

BAB IV PENUTUP

Berisi tentang kesimpulan yang diperoleh dari percobaan serta saran.

tentang kesimpulan yang diperoleh dari percobaan serta saran. Program Studi Teknik Industri Universitas Diponegoro 4
tentang kesimpulan yang diperoleh dari percobaan serta saran. Program Studi Teknik Industri Universitas Diponegoro 4

Program Studi Teknik Industri Universitas Diponegoro

4

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 BAB II TINJAUAN PUSTAKA 2.1 Analisis Variansi 2.1.1

BAB II

TINJAUAN PUSTAKA

2.1 Analisis Variansi

2.1.1 Definisi Analisis Variansi

Analisis variansi merupakan suatu metode analisis statistik yang termasuk ke

dalam cabang statistika inferensi. Anova atau analisis variansi merupakan salah satu

cara untuk menguji apakah ada persamaan nilai rata-rata dari satu atau lebih

populasi. Anova dibedakan menjadi dua yaitu one way anova dan two way anova.

Perbedaan antara keduanya terletak pada faktor yang mempengaruhi besarnya nilai

rata-rata tersebut. Pada one way anova klasifikasi pengamatan berdasarkan satu

kriteria, sedangkan pada two way anova klasifikasi berdasarkan dua kriteria. Secara

umum anlisis variansi menguji dua varian atau ragam berdasarkan hipotesis nol

bahwa kedua varian itu sama. Analisis Variansi sendiri pertama kali diperkenalkan

oleh R. A. Fisher.

(Modul Praktikum Statistika Industri 2014)

2.1.2 Tujuan Analisis Variansi

Tujuan semula Anova atau Analisi variansi sendiri adalah untuk memudahkan

analisis dan interpretasi data yang berasal dari penelitian-penelitian dalam bidang

pertanian dan biologi. Namun demikian, saat ini Anova sendiri juga digunakan dalam

bidang industri, social, ekonomi, psikologi, dan lain-lain. Analisis Variansi

merupakan alat yang digunakan untuk mengevaluasi kebaikan model regresi. Jadi

Anova bertujuan untuk menemukan variabel independen dalam penelitian dan

mengetahui interaksi antar variabel dan pengaruhnya terhadap suatu perlakuan.

Model regresi yang baik, salah satunya ditandai oleh ting-ginya koefisien

, yang dapat dihasilkan oleh Tabel Analisis

determinasi, dinotasikan R 2 atau

R

2

adj

Variansi. Apabila terdapat himpunan data random yang saling independen, dan tidak

ada faktor yang mempenga-ruhi, maka data tersebut akan bervariasi terhadap

meannya. Pada data random yang dipengaruhi oleh suatu faktor, variasi terhadap

pengaruh faktor ikut berkontribusi.

suatu faktor, variasi terhadap pengaruh faktor ikut berkontribusi. Program Studi Teknik Industri Universitas Diponegoro 5
suatu faktor, variasi terhadap pengaruh faktor ikut berkontribusi. Program Studi Teknik Industri Universitas Diponegoro 5

Program Studi Teknik Industri Universitas Diponegoro

5

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 2.1.3 Asumsi-asumsi dalam Uji Analisis Variansi Analisis

2.1.3 Asumsi-asumsi dalam Uji Analisis Variansi

Analisis variansi merupakan teknik statistika, oleh karena itu persyaratan-

persyaratan yang diperlukan oleh teknik tersebut haruslah dipenuhi agar analisis

terhadap sekumpulan data dapat dinyatakan shahih. Asumsi-asumsi yang mendasari

analisis variansi yang perlu diperhatikan agar pengujian menjadi shahih adalah :

1. Normalitas

Normalitas berarti nilai residual (εij) dalam setiap perlakuan (grup) yang

terkait dengan nilai pengamatan Yi harus terdistribusi secara normal. Jika

nilai residual terdistribusi secara normal, maka nilai Yi pun akan

berdistribusi normal. Apabila ukuran sampel dan varians sama, maka uji

ANOVA sangat tangguh terhadap asumsi ini. Dampak dari

ketidaknormalan tidak terlalu serius, namun apabila ketidaknormalan

tersebut disertai dengan ragam yang heterogen, masalahnya bisa menjadi

serius.

2. Homoskedastisitas (kehomogenan ragam)

Asumsi lain yang mendasari analisis ragam adalah kehomogenan ragam

atau asumsi homoskedastisitas (homoscedasticity). Homoskedastisitas

berarti bahwa ragam dari nilai residual bersifat konstan. Asumsi

homogenitas mensyaratkan bahwa distribusi residu untuk masing-masing

perlakuan/kelompok harus memiliki ragam yang sama. Dalam prakteknya,

ini berarti bahwa nilai Yij pada setiap level variabel independen masing-

masing beragam di sekitar nilai rata-ratanya.

3. Independensi (kebebasan galat)

Nilai residual dan data setiap pengamatan satuan percobaan harus saling

bebas, baik di dalam perlakuan itu sendiri (within group) atau diantara

perlakuan (between group). Apabila kondisi ini tidak terpenuhi, akan sulit

untuk mendeteksi perbedaan nyata yang mungkin ada.

4. Pengaruh Aditif

Pengaruh dari faktor perlakuan dan lingkungan bersifat aditif, maksudnya

tinggi rendahnya respons semata-mata akibat dari pengaruh penambahan

perlakuan dan atau kelompok. Pada model linier di atas, perlakuan (τi)

dan atau kelompok. Pada model linier di atas, perlakuan (τi) Program Studi Teknik Industri Universitas Diponegoro
dan atau kelompok. Pada model linier di atas, perlakuan (τi) Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

6

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 dan galat (εij) bers ifat aditif, dengan kata

dan galat (εij) bersifat aditif, dengan kata lain pengaruh penambahan yang

berasal dari perlakuan bersifat konstan untuk setiap ulangan dan pengaruh

ulangan bersifat konstan untuk setiap perlakuan. Nilai Respons (Yij)

merupakan nilai rata-rata umum ditambah dengan penambahan dari

perlakuan dan galat.

2.2 Rancangan Percobaan

2.2.1 Definisi Rancangan Percobaan

Rancangan percobaan merupakan aturan untuk mengambil contoh dari

populasi yang diteliti agar diperoleh penduga yang tepat dan teliti dengan biaya dan

waktu serta tenaga yang terbatas, atau dengan kata lain cara utnuk mendapatkan

jawaban bagi suatu permaslahan dengan tepat, teliti, sesuai biaya, waktu, dan tenaga

yang tersedia. Peranan rancangan percobaan sangat membantu dalam pemelitian

ilmiah yang berguna untuk memberi jawaban yang pasti mengenai dugaan-dugaan

atau pernyataan yang timbul mengenai suatu persaoalan.

2.2.2 Tujuan Rancangan Percobaan

Tujuan dari Rancangan percobaan adalah :

(www.slideshare.net)

1. Mengumpulkan data penelitian sebanyak mungkin sesuai dengan

rancangan percobaan yang diajukan

2. Memberi jawaban model penyelesaian masalah penelitian secara terbuka

dan seobjektif mungkin,seteliti mungkin ,dengan waktu singkat,biaya

hemat ,tenaga peneliti hemat.

3. Memonitor atau memantau dan mengendalikan parameter-parameter

penelitian.

4. Memperkecil kesalahan yang dibuat,antara lain kesalahan pengukuran dan

kurangnya motivasi peneliti.

5. Mengendalikan variabel luar yang tidak terkendali.

peneliti. 5. Mengendalikan variabel luar yang tidak terkendali. Program Studi Teknik Industri Universitas Diponegoro 7
peneliti. 5. Mengendalikan variabel luar yang tidak terkendali. Program Studi Teknik Industri Universitas Diponegoro 7

Program Studi Teknik Industri Universitas Diponegoro

7

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 6. Memberikan metode penelitian secara ilmiah dan terbuka

6. Memberikan metode penelitian secara ilmiah dan terbuka untuk dikoreksi

oleh para pakar peneliti lain.

( Suharto,dkk.2004)

2.2.3 Istilah-istilah dalam Rancangan Percobaan

Terdapat beberapa istilah dalam perancangan percobaan yang perlu anda

ketahui, yaitu :

Perlakuan (treatment)

Perlakuan adalah suatu prosedur yng dikenakan pada tiap unit percobaan

dan diukur pengaruhnya serta diperbandingkan satu sama lainnya.

Satuan percobaan (experimental unit)

Satuan percobaan merupakan satuan atau unit terkecil dalm suatu

percobaan yang akan diberi suatu perlakuan. Unit terkecil tersebut

biasnaya berupa petak lahan, individu, sekandang ternak, dan lain-lain.

Satuan amatan

Merupakan suatu bagian dari suatu percobaan tempat dimana respon

suatu perlakuan diukur atau kepadanya diterpakan pengamatan tunggal.

Missal seekor sapi dalam percobaan makanan ternak.

Galat percobaan (experimental error)

Kekeliruan percobaan atau galat percobaan adlah suatu ukuran

ketidakmampuan materi percobaan untuk memberikan respon yang sama

apabila mendapatkan perlakuan yang sama. Namun ketidakmampuan ini

justru merupakan ciri spesifik dari materi-materi percobaan tersebut.

Dengan kata lainnya, galat adalah petunjuk bahwa materi percobaan

tersebut memberikan respon yang bervariasi, sekalipun semuanya

mendapatkan perlakuan yang sama.

Factor

Peubah bebas yang diduga berpengaruh terhadap respon (jenis

perlakuan) dalam suatu percobaan.

(Modul Praktikum Statistika Industri, 2014)

dalam suatu percobaan. (Modul Praktikum Statistika Industri, 2014) Program Studi Teknik Industri Universitas Diponegoro 8
dalam suatu percobaan. (Modul Praktikum Statistika Industri, 2014) Program Studi Teknik Industri Universitas Diponegoro 8

Program Studi Teknik Industri Universitas Diponegoro

8

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 2.2.4 Strategi Rancangan Percobaan Dalam melakukan rancangan

2.2.4 Strategi Rancangan Percobaan

Dalam melakukan rancangan percobaan, selain harus mengetahui prinsip

utamanya, harus mengetahui juga dasar-dasar terpenting dalam melakukan rancangan

percobaan. Untuk keadan lingkungan, menggunakan rancangan percobaan, dimana

langkah-langkahnya antara lain adalah memperhatikan lingkungan dan bahan sekitar,

lalu kemudian menentukan rancangan standar atau rancangan baku. Kemudian untuk

keadaan tertentu, dilakukan rancangan perlakuan sesuai dengan tujuannya sendiri,

kemudain langkah terakhir dilakukan perlakuan penelitian. Dan yang terakhir adalah

untuk respon objek, digunakan rancangan respon, yaitu berdasarkan sifat dan

karakteristiknya dan variable penelitian.

2.2.5 Prinsip Dasar Rancangan Percobaan

a. Replikasi

Ulangan adalah diterapkannya satu perlakuan kepada lebih dari satu satuan

percobaan. Ulangan merupakan hal yang penting dalam suatu penelitian dan

mempunyai fungsi untuk (1) Menyediakan galat percobaan; (2)

Meningkatkan presisi dengan menurunkan simpangan baku); (3)

Meningkatkan generalisasi (kalau ulangan dilakukan a.l. pada tempat, waktu,

bahan yang berbeda). Besarnya ulangan ditentukan oleh: (1) besarnya

perbedaan yang ingin dideteksi; dan (2) keragaman data dan jumlah

perlakuan.

b. Pengacakan

Pengacakan adalah yang mendasari metode statistika dalam rancangan

percobaan. Pengacakan adalah penerapan perlakuan kepada satuan percobaan

sehingga semua/setiap satuan percobaan mempunyai peluang yang sama

untuk menerima suatu perlakuan. Konsep pengacakan ini berlaku juga untuk

pengambilan subsampel atau penentuan satuan pengamatan.

Pengacakan berfungsi: (1) Menghindarkan bias yaitu menjamin penduga

tidak bias untuk nilai tengah perlakuan dan galat percobaan; (2) Menjamin

adanya kebebasan antarpengamatan; (3) Mengatasi sumber keragaman yang

diketahui namun tidak dapat diduga pengaruhnya

keragaman yang diketahui namun tidak dapat diduga pengaruhnya Program Studi Teknik Industri Universitas Diponegoro 9
keragaman yang diketahui namun tidak dapat diduga pengaruhnya Program Studi Teknik Industri Universitas Diponegoro 9

Program Studi Teknik Industri Universitas Diponegoro

9

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 c. Kontrol lokal Kontrol lokal merupakan sebagian dari

c. Kontrol lokal

Kontrol lokal merupakan sebagian dari keseluruhan prinsip rancangan yang

harus dilaksanakan. Biasanya merupakan langkah-langkah atau usaha-usaha

yang berbentuk penyeimbangan, pemblokan, dan pengelompokan unit-unit

percobaan yang digunakan dalam rancangan. Salah satu caranya adalah

dengan mengelompokkan satuan eksperimen yang serupa ke dalam blok

tertentu. Pemblokiran dipergunakan untuk meningkatkan ketelitian setinggi

mungkin dari hasil percobaan.

2.2.6 Analisis Variansi untuk Rancangan Percobaan

Telah diketahui bahwa statistika berurusan dengan pengembangan dan

penggunaan metode serta teknik untuk pengumpulan, penyajian, penganalisisan, dan

pengambilan kesimpulan mengenai populasi berdasarkan sekumpulan data sehingga

ketidakpastian dari kesimpulan berdasarkan data itu dapat diperhitungkan dengan

menggunakan ilmu hitung peluang. Dalam hal ini, perlu diingat bahwa analisis

hanyalah bersifat eksak apabila asumsi-asumsi, umumnya mengenai bentuk

distribusi, semuanya dipenuhi. Akan tetapi pada kenyataannya hal ini kadang-kadang

tidak terjadi atau sukar untuk dibuktikan, sehingga dalam banyak hal sering

bergantung pada kecakapan memilih metode analisis yang tepat untuk seuatu

persoalan, termasuk kedalamnya cara-cara perencanaan untuk memperoleh data yang

diperlukan. Sering terjadi bahwa data yang dikumpulkan tidak atau kurang

bermanfaat untuk keperluan analisis persoalan yang dihadapi. Untuk mengatasinya

diperlukan suatu rancangan percobaan, yaitu tiap langkah tindakan yang betul-betul

terdefinisikan, sedemikian sehingga informasi yang berhubungan dengan atau

diperlukan untuk persoalan yang sedang diteliti dapat dikumpulkan. Dengan kata

lain, rancangan sebuah percobaan merupakan langkah-langkah lengkap, yang perlu

diambil jauh sebelum percobaan dilakukan agar data yang semestinya diperlukan

dapat diperoleh sehingga akan mengarah kepada analisis obyektif dan kesimpulan

yang berlaku untuk persoalan yang sedang dibahas.

Pada dasarnya, aspek utama yang perlu dirancang dalam merencanakan suatu

percobaan adalah menentukan kondisi lingkungan komoditi teknik/teknologi dari

menentukan kondisi lingkungan komoditi teknik/teknologi dari Program Studi Teknik Industri Universitas Diponegoro 10
menentukan kondisi lingkungan komoditi teknik/teknologi dari Program Studi Teknik Industri Universitas Diponegoro 10

Program Studi Teknik Industri Universitas Diponegoro

10

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 tempuhan-tempuhan yang akan dilakukan. Dengan kata lain,

tempuhan-tempuhan yang akan dilakukan. Dengan kata lain, menetapkan nilai

variabel variabel percobaan pada masing-masing tempuhan tersebut. Pemilihan

tempuhan yang akan dilakukan didasarkan pada banyak dan jenis informasi yang

ingin diperoleh.

Rancob mungkin saja dilakukan dengan bermacam-macam jenis dan

ragamnya. Tetapi disini dibatasi pembahasan untuk suatu rancob yang hanya

mempunyai sebuah faktor yang nilainya berubah-ubah, Rancob yang demikian

disebut rancob faktor tunggal. Faktor yang diperhatikan dapat memiliki sejumlah

taraf (lebih dari 2 taraf) dengan nilai yang bisa kualitatif, kuantitatif, bersifat tetap

ataupun bersifat acak. Dan analisis variansi disini adalah sebagai alat analisa utama.

2.3 Uji RAL

2.3.1 Definisi RAL

Rancangan Acak Lengkap (RAL) merupakan rancangan dasar. Semua

rancangan random berpangkal pada RAL dengan menempatkan pembatasan-

pembatasan dalam alokasi perlakuan dalam lapangan percobaan. Apabila unit

percobaan terlalu heter0gen, salah satu cara untuk mengontrol variabilitas adalah

dengan mengadakan stratifikasi kedalam kelompok -kelompok yang lebih homogen.

RAL dapat didefinisikan sebagai rancangan dengan beberapa perlakuan yang

disusun secara random untuk seluruh unit percobaan. Tidak ada pembatasan yang

dikenakan dalam menyusun perlakuan untuk tiap unit percobaan. Diterapkan pada

percobaan yang dilakukan pada lingkungan homogen (atau dapat dianggap

homogen), misalnya percobaan-percobaan yang dilaksanakan di laboratorium atau

rumah kaca dimana pengaruh lingkungan secara nisbi lebih mudah dikendalikan.

Perlu dijelaskan disini bahwa yang disebut "lingkungan" adalah faktor-faktor lain

diluar faktor yang sedang diteliti. Dalam percobaan RAL setiap unit percobaan

ditempatkan secara acak serta tidak mengikuti suatu pola baris atau lajur tertentu.

acak serta tidak mengikuti suatu pola baris atau lajur tertentu. Program Studi Teknik Industri Universitas Diponegoro
acak serta tidak mengikuti suatu pola baris atau lajur tertentu. Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

11

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 2.3.2 Prinsip Dasar RAL Dalam percobaan RAL setiap

2.3.2 Prinsip Dasar RAL

Dalam percobaan RAL setiap unit percobaan ditempatkan secara acak serta

tidak mengikuti suatu pola baris atau lajur tertentu.

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.

Tabel 2.1 Analisis Variansi untuk Rancangan Acak Lengkap

Sumber

Jumlah kuadrat

 

Derajat

Rataan

 

F

Variasi

 

Kebebasan

kuadrat

hitungan

   

k

     
 

T i 2

   

JKA

 

S i

2

2

S i

2

Perlakuan

JKA

=

i 1

n

T

nk

 

k-1

 

k 1

S

2

     

S

2

JKG

 

Galat

JKG

= JKT- JKA

 

k(n-1)

 

k

(

n 1)

   

k

n

T

2

     

Jumlah

JKT

 



 

2

Nk-1

=

y

ij

nk

   

i

1

j

1

 

2.3.3 Kelebihan RAL

Rancangan Acak Lengkap tentu saja memiliki beberapa kelebihan. Berikut

adalah beberapa kelebihan yang dimiliki Rancangan Acak Lengkap adalah sebagai

berikut:

Merupakan rancangan percobaan yang paling sederhana.

Apabila terjadi penyimpangan didalam analisis dan tindakan, interpretasi

dapat lebih mudah

didalam analisis dan tindakan, interpretasi dapat lebih mudah Program Studi Teknik Industri Universitas Diponegoro 12
didalam analisis dan tindakan, interpretasi dapat lebih mudah Program Studi Teknik Industri Universitas Diponegoro 12

Program Studi Teknik Industri Universitas Diponegoro

12

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 2.3.4 Kekurangan RAL Selain kelebihan, Rancangan Acak

2.3.4 Kekurangan RAL

Selain

kelebihan,

Rancangan

Acak

Lengkap

tentu

kekurangan, kurang lebih diantaranya adalah :

saja

juga

memiliki

Susah mencari media percobaan dan keadaan- keadaan lingkungan yang

sama.

2.4 Uji RAK

2.4.1 Definisi RAK

RAK atau yang nama lainnya adalah Rancangan Acak Kelompok, umumnya

diterapkan pada percobaan yang dilakukan pada lingkungan tidak homogen

(heterogen), misalnya percobaan-percobaan yang dilaksanakan di lapangan, dimana

terdapat 1 sumber keragaman diluar faktor penelitian. Dalam percobaan RAK setiap

unit percobaan ditempatkan secara acak dan mengikuti suatu pola baris atau lajur

tertentu, tegak lurus dari sumber keragaman yang ada di lapangan.

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.

2.4.2 Prinsip Dasar RAK

Langkah langkah untuk melakukan analisis variansi sama dengan rancangan

acak lengkap, hanya saja berbeda dalam perhitungannya saja.

Tabel 2.2 Rumus Perhitungan ANOVA untuk Rancangan Acak Kelompok

Sumber

 

Jumlah kuadrat

 

Derajat

 

Rataan

 

F

Variasi

 

Kebebasan

 

kuadrat

hitungan

   

k

     

T

i

2

 

JKA

S i

2

Perlakuan

 

T

2

k-1

S i

2

JKA

 

=

i 1

 

k 1

S

2

 

b

 

bk

   
   

b

     

j 1

T

2

j

   

JKB

b 1

Blok

 

.

T

2

b -1

S

2

   
 

k

bk

   
b -1 S 2       k bk     Program Studi Teknik Industri Universitas
b -1 S 2       k bk     Program Studi Teknik Industri Universitas

Program Studi Teknik Industri Universitas Diponegoro

13

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 Lanjutan Tabel 2.2 Rumus Perhitungan ANOVA untuk Rancangan

Lanjutan Tabel 2.2 Rumus Perhitungan ANOVA untuk Rancangan Acak Kelompok

Galat

JKG

 

= JKT- JKA

-

(k 1)(b-1)

S

2

JKG

 

JKB

   

(

b

1)(

k

1)

 

JKT

 

=

   

Total

k

n

2

bk-1



y 2

ij

T

bk

 

i

1

j

1

2.4.3 Kelebihan RAK

RAL, tentu saja RAK juga memiliki beberapa kelebihan dan kekurangan.

Salah satu kelebihan RAK diantaranya adalah :

Perlakuan ditempatkan ke dalam petak- petak atau satuan- satuan

percobaan.

2.4.4 Kekurangan RAK

Selain kelebihan, RAK tentu saj juga memiliki beberapa kekurangan, salah

satu kekurangan RAK adalah sebagai berikut :

Memerlukan waktu yang cenderung lebih lama.

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 {c i }dan

{d i }adalah orthogonal jika :

a

i 1

c d

i

i = 0

atau untuk desain yang tidak seimbang. jika :

a

i 1

n c d

i

i

i

= 0

(2-1)

(2-2)

( Modul Praktikum Statistika Industri. 2013 )

i i = 0 (2-1) (2-2) ( Modul Praktikum Statistika Industri. 2013 ) Program Studi Teknik
i i = 0 (2-1) (2-2) ( Modul Praktikum Statistika Industri. 2013 ) Program Studi Teknik

Program Studi Teknik Industri Universitas Diponegoro

14

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 2.5.2 Uji LSD Pengujian dilakukan dengan uji t

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
2
xs
2
n

…………………………………

(2-3)

( Montgomery. Douglas C. 1991)

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.

Sy i =

s 2 n
s 2
n

(2-4)

(Wapole/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 α= 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.

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

Metode perbandingan oleh Tukey menyangkut pencarian perbedaan Program Studi Teknik Industri Universitas Diponegoro 15
Metode perbandingan oleh Tukey menyangkut pencarian perbedaan Program Studi Teknik Industri Universitas Diponegoro 15

Program Studi Teknik Industri Universitas Diponegoro

15

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 yang berarti antara q[,k,v]s 1 n . reataan
yang berarti antara q[,k,v]s 1 n .
yang
berarti
antara
q[,k,v]s
1
n
.

reataan

i

dan

j

(ij)

bila

(

y

i

y

j

)

lebih

besar daripada

2.6 Uji T

Uji ini berfungsi untuk menguji bagaimana pengaruh masing-masing variable

bebasnya secara sendiri-sendiri terhadap variable terikatnya. Selain itu uji T dugunakan

untuk mengetahui apakah variable-variable independen secara parsial berpengaruh

nyata atau tidak. Derajat signifikasi yang digunakan adalah 0,05. Apabila nilai

signifikan lebih kecil dari derajat kepercayaan , maka diterima hipotesis alternatif.

2.7 Uji F

Uji F ini digunakan untuk mengetahui apakah variable-variable independen secara

simultan berpengaruh signifikan terhadap variable-variable dependen. Derajat

kepercayaan adalah 0,05. Apabila nilai F hasil perhitungan lebih besar daripada nilai F

menurut tabel , maka hipotesis alternatif , sehingga variable independen berpengaruh

pada variable dependen.

(regeresi.berganda.uji.f.uji.t.htm)

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 (Dunnet’s). 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.

kita akan mendapatkan hasil sesuai dengan apa yang kita inginkan. Program Studi Teknik Industri Universitas Diponegoro
kita akan mendapatkan hasil sesuai dengan apa yang kita inginkan. Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

16

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 Untuk uji normalitas dan uji homogenitas mengunakan tools

Untuk uji normalitas dan uji homogenitas mengunakan tools sebagai berikut:

Analyze Desriptive Eksplore

Uji Anova, uji orthogonal contras, uji perbandingan berpasangan (LSD, Duncan,

dan Tukey) dan perbandingan dengan kontrol (Dunnet’s) mengunakan tools sebagai

berikut:

Analyze Compare Means One Way Anova.

tools sebagai berikut: Analyze Compare Means One Way Anova. Untuk uji kebebasan mengunakan tools sebagai berikut:
tools sebagai berikut: Analyze Compare Means One Way Anova. Untuk uji kebebasan mengunakan tools sebagai berikut:
tools sebagai berikut: Analyze Compare Means One Way Anova. Untuk uji kebebasan mengunakan tools sebagai berikut:
tools sebagai berikut: Analyze Compare Means One Way Anova. Untuk uji kebebasan mengunakan tools sebagai berikut:

Untuk uji kebebasan mengunakan tools sebagai berikut:

Analyze

uji kebebasan mengunakan tools sebagai berikut: Analyze Non parametric Chi Square Untuk uji linearitas mengunakan

Non parametric

mengunakan tools sebagai berikut: Analyze Non parametric Chi Square Untuk uji linearitas mengunakan tools sebagai

Chi Square

Untuk uji linearitas mengunakan tools sebagai berikut:

Graph Interactive Scatter Plot

tools sebagai berikut: Graph Interactive Scatter Plot 2.9 Software Minitab Permasalahan – permasalahan
tools sebagai berikut: Graph Interactive Scatter Plot 2.9 Software Minitab Permasalahan – permasalahan

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.

dalam satu kolom dan membandingkan beberapa rata-rata populasi. Program Studi Teknik Industri Universitas Diponegoro 17
dalam satu kolom dan membandingkan beberapa rata-rata populasi. Program Studi Teknik Industri Universitas Diponegoro 17

Program Studi Teknik Industri Universitas Diponegoro

17

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 2.10 Software Excell Seperti sudah diketahui, MS Excel®

2.10 Software Excell

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 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.

(Montgomery. Douglas C. 1991.)

output dan/atau grafik/diagram. (Montgomery. Douglas C. 1991.) Program Studi Teknik Industri Universitas Diponegoro 18
output dan/atau grafik/diagram. (Montgomery. Douglas C. 1991.) Program Studi Teknik Industri Universitas Diponegoro 18

Program Studi Teknik Industri Universitas Diponegoro

18

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 BAB III PENGOLAHAN DATA DAN ANALISIS 3.1 RAL

BAB III

PENGOLAHAN DATA DAN ANALISIS

3.1 RAL

3.1.1 Pengumpulan Data

Berikut ini adalah tabel data hasil percobaan RAL mengenai jauhnya bola

tenis yang dipantulkan pada cor-coran dengan ketinggian awal 20cm, 40cm, 60cm,

80cm dilakukan sebanyak 10 kali untuk setiap perlakuannya.

Tabel 3.1 Data RAL

RAL

20cm

40cm

60cm

80cm

cor-

       

coran

12

24

36

46

cor-

       

coran

13

26

35

45

cor-

       

coran

14

25

37

46

cor-

       

coran

13

22

38

45

cor-

       

coran

14

26

34

47

cor-

       

coran

15

24

36

48

cor-

       

coran

13

25

37

47

cor-

       

coran

14

23

34

44

cor-

       

coran

15

26

35

43

cor-

       

coran

12

23

38

44

cor-         coran 12 23 38 44 Program Studi Teknik Industri Universitas Diponegoro
cor-         coran 12 23 38 44 Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

19

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 3.1.2 Uji Asumsi Analisis Variansi 3.1.2.1 Uji Normalitas

3.1.2 Uji Asumsi Analisis Variansi

3.1.2.1 Uji Normalitas

SPSS

a.

-

Hipotesis

1. Ho : Data berdistribusi normal

 

2. H1 : Data tidak berdistribusi normal

 

3. α = 0,05

 

4. Daerah kritis : nilai signifikansi < 0,05

 

5. Perhitungan :

 
 

Tabel 3.2 Uji Normalitas dengan SPSS

 
 

Tests of Normality

 
 

Kolmogorov-Smirnov

 

Shapiro-Wilk

-

Statistic

Df

Sig.

Statistic

df

Sig.

VAR00001

-

.178

10

.200 *

.907

10

.258

VAR00002

.168

10

.200 *

.908

10

.268

-

VAR00003

.149

10

.200 *

.918

10

.341

VAR00004

-

.129

10

.200 *

.966

10

.849

6. Keputusan

Uji Kolmogorov-Smirnov: Jangan tolak H0 untuk semua perlakuan

karena p > 0.05. Uji Shapiro-Wilk: Jangan tolak H0 untuk semua

perlakuan karena p > 0.05.

7. Kesimpulan

Uji Kolmogorov-Smirnov: Data pada semua perlakuan berdistribusi

normal. Uji Shapiro-Wilk: Data pada semua perlakuan berdistribusi

normal.

- Analisis

untuk Kolmogorov-Smirnov yaitu 10 data baik untuk

perlakuan 4.

Pedoman dalam pengambilan keputusan dengan uji normalitas yaitu

bila nilai signifikansi kurang dari 0,05 maka data tidak berdistribusi

perlakuan 1, perlakuan 2, perlakuan 3 maupun untuk

Jumlah data

perlakuan 1, perlakuan 2, perlakuan 3 maupun untuk Jumlah data Program Studi Teknik Industri Universitas Diponegoro
perlakuan 1, perlakuan 2, perlakuan 3 maupun untuk Jumlah data Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

20

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 normal, berdistribusi normal. namun bila nilai signifikansi

normal,

berdistribusi normal.

namun

bila

nilai

signifikansi

lebih

dari

0,05,

maka

data

Nilai signifikan untuk uji Kolmogorov-Smirnov yaitu:

a. Perlakuan 1 yaitu 0,200 > 0,05

b. Perlakuan 2 yaitu 0,200 > 0,05

c. Perlakuan 3 yaitu 0,200 > 0,05

d. Perlakuan 4 yaitu 0,200 > 0,05

Sehingga dapat disimpulkan untuk uji Kolmogorov-Smirnov, semua

taraf perlakuan berdistribusi normal.

Nilai signifikan untuk uji Shapiro-wilk yaitu:

a. Perlakuan 1 yaitu 0,258 > 0,05

b. Perlakuan 2 yaitu 0,268 > 0,05

c. Perlakuan 3 yaitu 0,341 > 0,05

d. Perlakuan 4 yaitu 0,849 > 0,05

Sehingga dapat disimpulkan untuk uji Shapiro-wilk, semua taraf

perlakuan berdistribusi normal.

Uji Normalitas dengan Plot (Detrended Normal Q-Q Plot)

- Perlakuan 1

dengan Plot (Detrended Normal Q-Q Plot) - Perlakuan 1 Gambar 3.1 SPSS Q-Q Plot (20cm) Program

Gambar 3.1 SPSS Q-Q Plot (20cm)

Normal Q-Q Plot) - Perlakuan 1 Gambar 3.1 SPSS Q-Q Plot (20cm) Program Studi Teknik Industri
Normal Q-Q Plot) - Perlakuan 1 Gambar 3.1 SPSS Q-Q Plot (20cm) Program Studi Teknik Industri

Program Studi Teknik Industri Universitas Diponegoro

21

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 Berdasarkan gambar maka dapat diketahui bahwa plots (titik

Berdasarkan gambar maka dapat diketahui bahwa plots (titik

titik) tersebar disekitar garis dengan 2 plot yang terletak pada garis 0.

Plots yang tersebar jauh dari garis 0 menunjukan bahwa data tersebut

berdistribusi secara normal. Maka dapat disimpulkan gambar diatas

menunjukan bahwa data dengan perlakuan 1 (dijatuhkan dari ketinggian

20 cm) berdistribusi normal, sesuai dengan keadaan plots yang tersebar

jauh dari garis 0.

- Perlakuan 2

keadaan plots yang tersebar jauh dari garis 0. - Perlakuan 2 Gambar 3.2 SPSS Q-Q Plot

Gambar 3.2 SPSS Q-Q Plot (40cm)

Berdasarkan gambar maka dapat diketahui bahwa plots (titik

titik) tersebar jauh dari garis 0.Plots yang tersebar jauh dari garis 0

menunjukan bahwa data tersebut berdistribusi secara normal. Maka

dapat disimpulkan gambar diatas menunjukan bahwa data dengan

perlakuan 2 (dijatuhkan dari ketinggian 40 cm) berdistribusi normal,

sesuai dengan keadaan plots yang tersebar jauh dari garis 0.

sesuai dengan keadaan plots yang tersebar jauh dari garis 0. Program Studi Teknik Industri Universitas Diponegoro
sesuai dengan keadaan plots yang tersebar jauh dari garis 0. Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

22

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 - Perlakuan 3 Gambar 3.3 SPSS Q-Q Plot

- Perlakuan 3

Industri Modul 2 Analisis Variansi Kelompok 16 - Perlakuan 3 Gambar 3.3 SPSS Q-Q Plot (60cm)

Gambar 3.3 SPSS Q-Q Plot (60cm)

Berdasarkan gambar maka dapat diketahui bahwa plots (titik

titik) tersebar jauh dari garis 0 dengan sebuah titik yang terletak pada

garis 0.Plots yang tersebar jauh dari garis 0 menunjukan bahwa data

tersebut berdistribusi secara normal. Maka dapat disimpulkan gambar

diatas menunjukan bahwa data dengan perlakuan 3 (dijatuhkan dari

ketinggian 60 cm) berdistribusi normal, sesuai dengan keadaan plots

yang tersebar jauh dari garis 0.

sesuai dengan keadaan plots yang tersebar jauh dari garis 0. Program Studi Teknik Industri Universitas Diponegoro
sesuai dengan keadaan plots yang tersebar jauh dari garis 0. Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

23

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 - Perlakuan 4 Gambar 3.4 SPSS Q-Q Plot

- Perlakuan 4

Industri Modul 2 Analisis Variansi Kelompok 16 - Perlakuan 4 Gambar 3.4 SPSS Q-Q Plot (80cm)

Gambar 3.4 SPSS Q-Q Plot (80cm)

Berdasarkan gambar 3.12 maka dapat diketahui bahwa plots (titik

titik) tersebar jauh dari garis 0 dengan sebuah titik yang terletak pada

garis 0.Plots yang tersebar jauh dari garis 0 menunjukan bahwa data

tersebut berdistribusi secara normal. Maka dapat disimpulkan gambar

diatas menunjukan bahwa data dengan perlakuan 4 (dijatuhkan dari

ketinggian 40 cm) berdistribusi normal, sesuai dengan keadaan plots

yang tersebar jauh dari garis 0.

sesuai dengan keadaan plots yang tersebar jauh dari garis 0. Program Studi Teknik Industri Universitas Diponegoro
sesuai dengan keadaan plots yang tersebar jauh dari garis 0. Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

24

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 Uji Normalitas dengan Plot (Q-Q plot) -Perlakuan1 Gambar

Uji Normalitas dengan Plot (Q-Q plot)

-Perlakuan1

16 Uji Normalitas dengan Plot (Q-Q plot) -Perlakuan1 Gambar 3.5 SPSS Detrended Q-Q Plot (20 cm)

Gambar 3.5 SPSS Detrended Q-Q Plot (20 cm)

Berdasarkan gambar maka dapat diketahui bahwa plots (titik

titik) terletak di sekitar garis ekspektasi. Pada gambar diatas tidak

terdapat plots yang berada tepat pada garis ekspektasi dan 4 garis

lainnya disekitar garis ekspektasi. Maka dapat disimpuliakan gambar

diatas menunjukan bahwa data dengan perlakuan 1 (dijatuhkan dari

ketinggian 20 cm) berdistribusi normal, sesuai dengan keadaan plots

yang tersebar didekat garis ekspektasi.

dengan keadaan plots yang tersebar didekat garis ekspektasi. Program Studi Teknik Industri Universitas Diponegoro 25
dengan keadaan plots yang tersebar didekat garis ekspektasi. Program Studi Teknik Industri Universitas Diponegoro 25

Program Studi Teknik Industri Universitas Diponegoro

25

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 -Perlakuan 2 Gambar 3.6 SPSS Detrended Q-Q Plot

-Perlakuan 2

Industri Modul 2 Analisis Variansi Kelompok 16 -Perlakuan 2 Gambar 3.6 SPSS Detrended Q-Q Plot (40

Gambar 3.6 SPSS Detrended Q-Q Plot (40 cm)

Berdasarkan gambar maka dapat diketahui bahwa plots (titik

titik) terletak di sekitar garis ekspektasi. Pada gambar diatas tidak ada

titik yang terletak tepat pada garis, tetapi terletak pada jarak yang dekat

dengan garis. Maka dapat disimpulkan gambar diatas menunjukan

bahwa data dengan perlakuan 2 (dijatuhkan dari ketinggian 40 cm)

berdistribusi normal, sesuai dengan keadaan plots yang tersebar didekat

garis ekspektasi.

dengan keadaan plots yang tersebar didekat garis ekspektasi. Program Studi Teknik Industri Universitas Diponegoro 26
dengan keadaan plots yang tersebar didekat garis ekspektasi. Program Studi Teknik Industri Universitas Diponegoro 26

Program Studi Teknik Industri Universitas Diponegoro

26

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 -Perlakuan 3 Gambar 3.7 SPSS Detrended Q-Q Plot

-Perlakuan 3

Industri Modul 2 Analisis Variansi Kelompok 16 -Perlakuan 3 Gambar 3.7 SPSS Detrended Q-Q Plot (60

Gambar 3.7 SPSS Detrended Q-Q Plot (60 cm)

Berdasarkan gambar maka dapat diketahui bahwa plots (titik

titik) terletak di sekitar garis ekspektasi. Pada gambar diatas tidak

terdapat sebuah titik yang terletak tepat pada garis ekspektasi dan titik

titik lainnya tersebar di dekat garis ekspektasi. Maka dapat disimpulkan

gambar diatas menunjukan bahwa data dengan perlakuan 3 (dijatuhkan

dari ketinggian 60 cm) berdistribusi normal, sesuai dengan keadaan

plots yang tersebar didekat garis ekspektasi.

dengan keadaan plots yang tersebar didekat garis ekspektasi. Program Studi Teknik Industri Universitas Diponegoro 27
dengan keadaan plots yang tersebar didekat garis ekspektasi. Program Studi Teknik Industri Universitas Diponegoro 27

Program Studi Teknik Industri Universitas Diponegoro

27

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 -Perlakuan 4 Gambar 3.8 SPSS Detrended Q-Q Plot

-Perlakuan 4

Industri Modul 2 Analisis Variansi Kelompok 16 -Perlakuan 4 Gambar 3.8 SPSS Detrended Q-Q Plot (80

Gambar 3.8 SPSS Detrended Q-Q Plot (80 cm)

Berdasarkan gambar maka dapat diketahui bahwa plots (titik

titik) terletak di sekitar garis ekspektasi. Pada gambar diatas tidak

terdapat sebuah titik yang terletak tepat pada garis ekspektasi dan titik

titik lainnya tersebar di dekat garis ekspektasi. Maka dapat disimpulkan

gambar diatas menunjukan bahwa data dengan perlakuan 4 (dijatuhkan

dari ketinggian 80 cm) berdistribusi normal, sesuai dengan keadaan

plots yang tersebar didekat garis ekspektasi.

b. Minitab

-

Hipotesis

1. Ho : Data sampel berasal dari populasi yang berdistribusi normal

2. H1 : Data sampel tidak berasal dari populasi yang berdistribusi

normal

3. α=0,05

tidak berasal dari populasi yang berdistribusi normal 3. α=0,05 Program Studi Teknik Industri Universitas Diponegoro 28
tidak berasal dari populasi yang berdistribusi normal 3. α=0,05 Program Studi Teknik Industri Universitas Diponegoro 28

Program Studi Teknik Industri Universitas Diponegoro

28

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 4. Daerah kritis P-Value berdistribusi normal < α

4. Daerah kritis

P-Value

berdistribusi normal

<

α,

maka

5. Perhitungan :

sampel

tidak

berasal

dari

populasi

yang

Probability Plot of C1 Normal 99 Mean 29.85 StDev 12.27 N 40 95 KS 0.124
Probability Plot of C1
Normal
99
Mean
29.85
StDev
12.27
N
40
95
KS
0.124
90
P-Value
0.119
80
70
60
50
40
30
20
10
5
1
0
10
20
30
40
50
60
C1
Gambar 3.9 Output Minitab
6. Keputusan
Uji Kolmogorov-Smirnov: Jangan tolak H0 untuk semua perlakuan
karena p > 0.05.
7. Kesimpulan
Uji Kolmogorov-Smirnov: Data pada semua perlakuan berdistribusi
normal.
-
Analisis
Percent

Berdasarkan hasil perhitungan diatas maka dapat diketahui bahwa

data dari hasil keempat perlakuan berdistribusi secara normal. Hal

tersebut sesuai dengan perhitungan menggunakan software Minitab

dimana data memiliki nilai KS value yang melebihi nilai α = 0.05.

data memiliki nilai KS value yang melebihi nilai α = 0 .05. Program Studi Teknik Industri
data memiliki nilai KS value yang melebihi nilai α = 0 .05. Program Studi Teknik Industri

Program Studi Teknik Industri Universitas Diponegoro

29

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 3.1.2.2 Uji Linieritas a. SPSS - Hipotesis

3.1.2.2 Uji Linieritas

a.

SPSS

-

Hipotesis

 

1.

Ho

: Model regresi linier

 

2.

H1

: Model regresi tidak linier

 

3.

4.

Daerah kritis = deviation from linearity < 0,05

 

5.

Perhitungan :

 
 

Tabel 3.3 Uji ANOVA

 
 

ANOVA Table

 
     

Mean

   

Sum of Squares

df

Square

F

Sig.

VAR00001 * VAR00002

Between Groups

(Combined)

5797.700

3

1932.567

974.403

.000

 

Linearity

5788.880

1

5788.880

2.919E3

.000

Deviation from

         

Linearity

8.820

2

4.410

2.224

.123

 

Within Groups

 

71.400

36

1.983

   

Total

5869.100

39

     

6.

Keputusan

 

Jangan tolak H0 karena nilai deviation from linearity > 0,05 yaitu

 

0,123 > 0,05.Jadi bersifat linier.

 

7.

Kesimpulan

 

Dilihat dari hasil diatas maka dihasilkan data memiliki model regresi

 

linier.

-

Analisis

 

Berdasarkan hasil perhitungan diatas maka dapat diketahui bahwa

data dari hasil keempat perlakuan bersifat linierity. Hal tersebut sesuai

dengan perhitungan menggunakan software SPSS dimana data memiliki

nilai signifikasi dari deviation from linierity yang melebihi nilai α =

signifikasi dari deviation from linierity yang melebihi nilai α = Program Studi Teknik Industri Universitas Diponegoro
signifikasi dari deviation from linierity yang melebihi nilai α = Program Studi Teknik Industri Universitas Diponegoro

Program Studi Teknik Industri Universitas Diponegoro

30

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 0.05. Sifat linierity pada data tersebut menunjukan bahwa

0.05. Sifat linierity pada data tersebut menunjukan bahwa dengan 4

perlakuan yang berbeda menghasilkan nilai yang kelipatannya hampir

sama di setiap percobaan.

3.1.2.3 Uji Homogenitas Variansi

a. Manual

- Hipotesis

 

1.

H

0

: Ada kebebasan antara perlakuan dengan replikasi.

 

2.

H

1

: Tidak ada kebebasan antara perlakuan dengan replikasi.

3.

α

: 0.05

 

4.

Daerah kritis

: 2 > 2

 

5.

Perhitungan:

 
 

v = (jumlah baris 1) x (jumlah kolom 1) = (10 1) x (4 1) = 27

Dari tabel L5 didapat 2 (dengan nilai v = 27) = 40.113

 
 

jumlah lajur x jumlah baris =

= 13.341

 

e i =

 
 

jumlah keseluruhan

 
 

Tabel 3.4 Perhitungan Manual Uji Homogenitas RAL

 
   

perlakuan

   
 

1

 

2

 

3

 

4

replikasi

oi

ei

 

oi

ei

oi

ei

oi

ei

total

1

12

13.34171

24

24.1139

36

35.57789

46

44.9665

118

2

13

13.45477

26

24.31826

35

35.8794

45

45.34757

119

3

14

13.79397

25

24.93132

37

36.78392

46

46.49079

122

4

13

13.34171

22

24.1139

38

35.57789

45

44.9665

118

5

14

 

13.6809

26

24.72697

34

36.48241

47

46.10972

121

6

15

13.90704

24

25.13568

36

37.08543

48

46.87186

123

7

13

13.79397

25

24.93132

37

36.78392

47

46.49079

122

8

14

13.00251

23

23.50084

34

34.67337

44

43.82328

115

9

15

13.45477

26

24.31826

35

35.8794

43

45.34757

119

10

12

13.22864

23

23.90955

38

35.27638

44

44.58543

117

total

   

135

 

244

 

360

 

455

1194

  135   244   360   455 1194 Program Studi Teknik Industri Universitas Diponegoro 31
  135   244   360   455 1194 Program Studi Teknik Industri Universitas Diponegoro 31

Program Studi Teknik Industri Universitas Diponegoro

31

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 Tabel 3.5 Perhitungan Manual Lanjutan Uji Homogenitas RAL

Tabel 3.5 Perhitungan Manual Lanjutan Uji Homogenitas RAL

   

perlakuan

   

p1

p2

p3

p4

replikasi

(oi-ei)^2/ei

(oi-ei)^2/ei

(oi-ei)^2/ei

(oi-ei)^2/ei

total

1

0.1349

0.0005

0.0050

0.0238

0.164229

2

0.0154

0.1163

0.0216

0.0027

0.155891

3

0.0031

0.0002

0.0013

0.0052

0.009717

4

0.0088

0.1853

0.1649

0.0000

0.358983

5

0.0074

0.0655

0.1689

0.0172

0.259086

6

0.0859

0.0513

0.0318

0.0272

0.19613

7

0.0457

0.0002

0.0013

0.0056

0.052736

8

0.0765

0.0107

0.0131

0.0007

0.100985

9

0.1775

0.1163

0.0216

0.1215

0.436849

10

0.1141

0.0346

0.2103

0.0077

0.366686

total

0.669267833

0.580957673

0.639593592

0.211473107

2.101292

6.

Keputusan

Jangan tolak H0 untuk

<

(2.101 < 40.113)

 

7.

Kesimpulan

Data besifat bebas antara perlakuan dengan replikasi.

- Analisis

Berdasarkan hasil perhitungan diatas maka dapat diketahui bahwa data

dari hasil keempat perlakuan bersifat bebas antara perlakuan dan

replikasi. Hal tersebut sesuai dengan perhitungan menggunakan

perhitungan manual dimana data memiliki nilai < (2.101 <

40.113). Sifat bebas antara perilaku dan replikasi menunjukan bahwa

banyak replikasi yang dilakukan tidak mempengaruhi nilai dari masing

masing perlakuan.

b. SPSS

- Hipotesis

1 H0 : Data bersifat homogen dalam variansi.

2 H1 : Data tidak bersifat homogen dalam variansi.

3 α : 0.05

2 H1 : Data tidak bersifat homogen dalam variansi. 3 α : 0.05 Program Studi Teknik
2 H1 : Data tidak bersifat homogen dalam variansi. 3 α : 0.05 Program Studi Teknik

Program Studi Teknik Industri Universitas Diponegoro

32

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 4 Daerah kritis : Software SPSS dan Minitab

4 Daerah kritis :

Software SPSS dan Minitab : p < 0.05

5 Perhitungan :

Tabel 3.6 Uji Homogenitas RAL

Test of Homogeneity of Variance a

Levene Statistic

df1

df2

Sig.

4.585

3

36

.008

a. There are no valid cases for VAR00001 when VAR00002 = this level.

Statistics cannot be computed for

Levene Statistic : 0.008

6. Keputusan

Terima H0untuk Levene Statistic karena p > 0.05.

7. Kesimpulan

Data bersifat homogen dalam variansi dengan populasi yang dianggap

sama.

- Analisis

Berdasarkan hasil perhitungan diatas maka dapat diketahui bahwa

data dari hasil keempat perlakuan bersifat homogen dalam variansi. Hal

tersebut sesuai dengan perhitungan menggunakan software SPSS

dimana data memiliki nilai signifikasi dan P value dari Levene Statistic

yang melebihi nilai α = 0.05. Sifat homogen tersebut menunjukan

bahwa data dari hasil empat perlakuan memiliki variansi yang sama dari

populasinya dapat dianggap sama.

c. Minitab

- Hipotesis

1. H0 : Data bersifat homogen dalam variansi.

2. H1 : Data tidak bersifat homogen dalam variansi.

3. α : 0.05

2. H1 : Data tidak bersifat homogen dalam variansi. 3. α : 0.05 Program Studi Teknik
2. H1 : Data tidak bersifat homogen dalam variansi. 3. α : 0.05 Program Studi Teknik

Program Studi Teknik Industri Universitas Diponegoro

33

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 4. Daerah kritis : Software SPSS dan Minitab

4. Daerah kritis :

Software SPSS dan Minitab : p < 0.05

5. Perhitungan :

Test for Equal Variances for C1 Bartlett's Test Test Statistic 1.33 1 P-Value 0.721 Levene's
Test for Equal Variances for C1
Bartlett's Test
Test Statistic
1.33
1
P-Value
0.721
Levene's Test
Test Statistic
0.61
P-Value
0.613
2
3
4
1.0
1.5
2.0
2.5
3.0
3.5
95% Bonferroni Confidence Intervals for StDevs
C2

Gambar 3.10 Output Minitab Uji Homogenitas

Levene’s test : 0.613

6. Keputusan

Jangan tolak H0 untuk Levene Statistic karena p > 0,05

7. Kesimpulan

Data bersifat homogen dalam variansi dengan populasi yang dianggap

sama.

- Analisis

Berdasarkan hasil perhitungan diatas maka dapat diketahui bahwa data

dari hasil keempat perlakuan bersifat homogen dalam variansi. Hal

tersebut sesuai dengan perhitungan menggunakan software Minitab

dimana data memiliki nilai signifikasi dan P value dari Levene Statistic

yang melebihi nilai α = 0.05. Sifat homogen tersebut menunjukan bahwa

data dari hasil empat perlakuan memiliki variansi yang sama dari

populasinya dapat dianggap sama.

memiliki variansi yang sama dari populasinya dapat dianggap sama. Program Studi Teknik Industri Universitas Diponegoro 34
memiliki variansi yang sama dari populasinya dapat dianggap sama. Program Studi Teknik Industri Universitas Diponegoro 34

Program Studi Teknik Industri Universitas Diponegoro

34

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 3.1.2.4 Uji Independensi (Chi-Square) a. Manual  

3.1.2.4 Uji Independensi (Chi-Square)

a.

Manual

 

-

Hipotesis

 
 

1.

H

0 : Ada kebebasan antara perlakuan dengan replikasi.

 

2.

H

1 : Tidak ada kebebasan antara perlakuan dengan replikasi.

3.

α

: 0.05

4.

Daerah kritis : 2 > 2

 

5.

Perhitungan:

 
 

v

= (jumlah baris 1) x (jumlah kolom 1) = (10 1) x (4 1) = 27

Dari tabel L5 didapat 2 (dengan nilai v = 27) = 40.113

 
 

jumlah lajur x jumlah baris =

= 13.341

 
 

e i =

 

jumlah keseluruhan

 
 

Tabel 3.7 Perhitungan Manual Uji Independensi RAL

 
   

perlakuan

   
 

1

 

2

 

3

 

4

replikasi

oi

Ei

oi

ei

oi

 

ei

oi

ei

total

 

1

12

13.34171

24

24.1139

36

 

35.57789

46

44.9665

118

 

2

13

13.45477

26

24.31826

35

 

35.8794

45

45.34757

119

3

14

13.79397

25

24.93132

37

 

36.78392

46

46.49079

122

 

4

13

13.34171

22

24.1139

38

 

35.57789

45

44.9665

118

5

14

13.6809

26

24.72697

34

 

36.48241

47

46.10972

121

 

6

15

13.90704

24

25.13568

36

 

37.08543

48

46.87186

123

 

7

13

13.79397

25

24.93132

37

 

36.78392

47

46.49079

122

 

8

14

13.00251

23

23.50084

34

 

34.67337

44

43.82328

115

9

15

13.45477

26

24.31826

35

 

35.8794

43

45.34757

119

10

12

13.22864

23

23.90955

38

 

35.27638

44

44.58543

117

total

   

135

 

244

   

360

 

455

1194

135   244     360   455 1194 Program Studi Teknik Industri Universitas Diponegoro 35
135   244     360   455 1194 Program Studi Teknik Industri Universitas Diponegoro 35

Program Studi Teknik Industri Universitas Diponegoro

35

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 Tabel 3.8 Perhitungan Manual Lanjutan Uji Independensi RAL

Tabel 3.8 Perhitungan Manual Lanjutan Uji Independensi RAL

   

perlakuan

   

p1

p2

p3

p4

replikasi

(oi-ei)^2/ei

(oi-ei)^2/ei

(oi-ei)^2/ei

(oi-ei)^2/ei

total

1

0.1349

0.0005

0.0050

0.0238

0.164229

2

0.0154

0.1163

0.0216

0.0027

0.155891

3

0.0031

0.0002

0.0013

0.0052

0.009717

4

0.0088

0.1853

0.1649

0.0000

0.358983

5

0.0074

0.0655

0.1689

0.0172

0.259086

6

0.0859

0.0513

0.0318

0.0272

0.19613

7

0.0457

0.0002

0.0013

0.0056

0.052736

8

0.0765

0.0107

0.0131

0.0007

0.100985

9

0.1775

0.1163

0.0216

0.1215

0.436849

10

0.1141

0.0346

0.2103

0.0077

0.366686

total

0.669267833

0.580957673

0.639593592

0.211473107

2.101292

 

6. Keputusan :Jangan tolak H0 untuk

<

(2.101 < 40.113)

7. Kesimpulan : Data besifat bebas antara perlakuan dengan replikasi.

-

Analisis

Berdasarkan hasil perhitungan diatas maka dapat diketahui bahwa data

dari hasil keempat perlakuan bersifat bebas antara perlakuan dan replikasi.

Hal tersebut sesuai dengan perhitungan menggunakan perhitungan manual

dimana data memiliki nilai < (2.101 < 40.113). Sifat bebas antara

perilaku dan replikasi menunjukan bahwa banyak replikasi yang dilakukan

tidak mempengaruhi nilai dari masing masing perlakuan.

b.

Minitab

- Hipotesis

1. H 0 : Ada kebebasan antara perlakuan dengan replikasi.

2. H 1 : Tidak ada kebebasan antara perlakuan dengan replikasi.

3.

4.

α

: 0.05

Daerah kritis

: 2 > 2

3. 4. α : 0.05 Daerah kritis :  2 >  2  Program Studi
3. 4. α : 0.05 Daerah kritis :  2 >  2  Program Studi

Program Studi Teknik Industri Universitas Diponegoro

36

Laporan Praktikum Statistika Industri Modul 2 Analisis Variansi Kelompok 16

Statistika Industri Modul 2 Analisis Variansi Kelompok 16 5. Perhitungan : Chi-Square Test: C1, C2, C3,

5.

Perhitungan

:

Chi-Square Test: C1, C2, C3, C4

Expected counts are printed below observed counts Chi-Square contributions are printed below expected counts

 

C1

C2

C3

C4

Total

1

12

24

36

46

118

13.34

24.11 35.58

44.97

0.135

0.001 0.005

0.024

2

13

26

35

45

119

13.45

24.32 35.88

45.35

0.015

0.116 0.022

0.003

3

14

25

37

46

122

13.79

24.93 36.78

46.49

0.003

0.000 0.001

0.005

4

13

22

38

45

118

13.34

24.11 35.58

44.97

0.009

0.185 0.165

0.000

5

14

26

34

47

121

13.68

24.73 36.48

46.11

0.007

0.066 0.169

0.017

6

15

24

36

48

123

13.91

25.14 37.09

46.87