Laporan Modul 2

Laporan Praktikum Statistika Industri
Modul 2 Analisis Variansi

Kelompok 16
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
Program Studi Teknik Industri
Universitas Diponegoro

Kelompok 16
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.


Kelompok 16
1.3 Metodologi Praktikum
Identifikasi Masalah
Studi Pustaka
Pengumpulan Data
Uji Asumsi Klasik
Pengolahan Data
Pengujian
a. Anova
b. Orthogonal Contrast
c. Perbandingan
(LSD,
Duncan,
Tukey)
d. Dunnets
e. Regresi Majemuk
Analisis
Kesimpulan dan Saran
Gambar 1.1 Flowchart Metodologi Praktikum


Kelompok 16
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.


Kelompok 16
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
2
determinasi, dinotasikan R2 atau Radj
, yang dapat dihasilkan oleh Tabel Analisis
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.

Kelompok 16
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 (ij) 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 masingmasing 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 (i)

Kelompok 16
dan galat (ij) 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.
(www.slideshare.net)
2.2.2
Tujuan Rancangan Percobaan

Tujuan dari Rancangan percobaan adalah :
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.


Kelompok 16
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)


Kelompok 16
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
Meningkatkan
fungsi
untuk
presisi
(1)
dengan
Menyediakan
menurunkan
galat
percobaan;
simpangan
baku);
(2)
(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

Kelompok 16
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
10

Kelompok 16
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 pembatasanpembatasan 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.

11

Kelompok 16
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
Variasi
Jumlah kuadrat
Derajat
Rataan
Kebebasan
kuadrat
hitungan
Perlakuan
Galat
Ti 2
JKA
JKG
i 1
= JKT- JKA
k
Jumlah
2.3.3
JKT
T 2 ..
nk
= yij2
i 1 j 1
T 2 ..
nk
k-1
k(n-1)
S i2
JKA
k 1
S2
JKG
k (n 1)
S i2
S2
Nk-1
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

12

Kelompok 16
2.3.4
Kekurangan RAL
Selain kelebihan, Rancangan Acak Lengkap tentu saja juga memiliki
kekurangan, kurang lebih diantaranya adalah :
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
Variasi
Derajat
Rataan
Kebebasan
kuadrat
hitungan
Perlakuan
T
JKA
i 1
T 2 ..
bk
k-1
S i2
JKA
k 1
b -1
S2
JKB
b 1
S i2
S2
Blok
T
j 1
.j
T 2 ..
bk

13

Kelompok 16
Lanjutan Tabel 2.2 Rumus Perhitungan ANOVA untuk Rancangan Acak Kelompok
JKG
Galat
= JKT- JKA -
JKB
JKT
Total
S2
JKG
(b 1)(k 1)
yij2
i 1 j 1
2.4.3
(k 1)(b-1)
T 2 ..
bk
bk-1
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 {ci}dan
{di}adalah orthogonal jika :
a
c d
i 1
= 0.......................................................(2-1)
atau untuk desain yang tidak seimbang. jika :

a
n c d = 0.....................................................(2-2)
i 1
i i
( Modul Praktikum Statistika Industri. 2013 )

14

Kelompok 16
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
..(2-3)
n
( 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.
Syi =
s2
.........................................................(2-4)
n
(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 = 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
15

Kelompok 16
yang berarti antara reataan i dan j (ij) bila ( yi y j ) lebih besar daripada
q[ , k , v]s 1 .
n
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 (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.

16

Kelompok 16
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 (Dunnets) mengunakan tools sebagai
berikut:
Analyze
Compare Means
One Way Anova.
Untuk uji kebebasan mengunakan tools sebagai berikut:

Analyze
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.

17

Kelompok 16
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 perhitunganperhitungan 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 fungsifungsi 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.)

18

Kelompok 16
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
corcoran
corcoran
corcoran
corcoran
corcoran
corcoran
corcoran
corcoran
corcoran
corcoran

20cm
40cm
60cm
80cm
12
24
36
46
13
26
35
45
14
25
37
46
13
22
38
45
14
26
34
47
15
24
36
48
13
25
37
47
14
23
34
44
15
26
35
43
12
23
38
44
19

Kelompok 16
3.1.2
Uji Asumsi Analisis Variansi
3.1.2.1 Uji Normalitas

a. SPSS
-
Hipotesis
1. Ho : Data berdistribusi normal
2. H1 : Data tidak berdistribusi normal
3. = 0,05
4. Daerah kritis : nilai signifikansi < 0,05
5. Perhitungan :
Tabel 3.2 Uji Normalitas dengan SPSS
Tests of Normality
Kolmogorov-Smirnov
Statistic
VAR00001
VAR00002
VAR00003
VAR00004
-
.178
.168
.149
.129
Df
10
10
10
10
Shapiro-Wilk
Sig.
*
.200
.200*
.200*
.200*
Statistic
df
Sig.
.907
.908
.918
.966
10
10
10
10
.258
.268
.341
.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
Jumlah data untuk Kolmogorov-Smirnov yaitu 10 data baik untuk
perlakuan 1, perlakuan 2, perlakuan 3 maupun untuk perlakuan 4.
Pedoman dalam pengambilan keputusan dengan uji normalitas yaitu
bila nilai signifikansi kurang dari 0,05 maka data tidak berdistribusi

20

Kelompok 16
normal, namun bila nilai signifikansi lebih dari 0,05, maka data
berdistribusi normal.
Nilai signifikan untuk uji Kolmogorov-Smirnov yaitu:
a.
Perlakuan 1 yaitu 0,200 > 0,05
b.
c.
d.
Sehingga dapat disimpulkan untuk uji Kolmogorov-Smirnov, semua

taraf perlakuan berdistribusi normal.
Nilai signifikan untuk uji Shapiro-wilk yaitu:
a.
b.
c.
d.
Sehingga dapat disimpulkan untuk uji Shapiro-wilk, semua taraf

perlakuan berdistribusi normal.
Uji Normalitas dengan Plot (Detrended Normal Q-Q Plot)

- Perlakuan 1
Gambar 3.1 SPSS Q-Q Plot (20cm)

21

Kelompok 16
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

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.

22

Kelompok 16
- Perlakuan 3

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.

23

Kelompok 16
- Perlakuan 4
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
yang tersebar jauh dari garis 0.

24

Kelompok 16
Uji Normalitas dengan Plot (Q-Q plot)

-Perlakuan1
Gambar 3.5 SPSS Detrended Q-Q Plot (20 cm)

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
yang tersebar didekat garis ekspektasi.

25

Kelompok 16
-Perlakuan 2

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.

26

Kelompok 16
-Perlakuan 3

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.

27

Kelompok 16
-Perlakuan 4

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. =0,05

28

Kelompok 16
4. Daerah kritis
P-Value < , maka sampel tidak berasal dari populasi yang
berdistribusi normal
5. Perhitungan :
Probability Plot of C1
Normal
99
Mean
StDev
N
KS
P-Value
95
90
29.85
12.27
40
0.124
0.119
Percent
80
70
60
50
40
30
20
10
5
10
20
30
C1
40
50
60
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
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 = 0.05.

29

Kelompok 16
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
VAR00001 * VAR00002
Between Groups
df
Square
(Combined)
5797.700
1932.567
974.403
.000
Linearity
5788.880
5788.880
2.919E3
.000
8.820
4.410
2.224
.123
71.400
36
1.983
5869.100
39
Deviation from
Linearity
Within Groups
Total
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
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 =

Sig.
30

Kelompok 16
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. H0
: Ada kebebasan antara perlakuan dengan replikasi.
2. H1
: Tidak ada kebebasan antara perlakuan dengan replikasi.
3.
: 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
ei =
jumlah lajur x jumlah baris

=
jumlah keseluruha n
= 13.341
Tabel 3.4 Perhitungan Manual Uji Homogenitas RAL
perlakuan
replikasi
1
2
3
4
5
6
7
8
9
10
total
oi
12
13
14
13
14
15
13
14
15
12
1
ei
13.34171
13.45477
13.79397
13.34171
13.6809
13.90704
13.79397
13.00251
13.45477
13.22864
135
oi
24
26
25
22
26
24
25
23
26
23

2
ei
24.1139
24.31826
24.93132
24.1139
24.72697
25.13568
24.93132
23.50084
24.31826
23.90955
244
oi
36
35
37
38
34
36
37
34
35
38
3
ei
35.57789
35.8794
36.78392
35.57789
36.48241
37.08543
36.78392
34.67337
35.8794
35.27638
360
oi
46
45
46
45
47
48
47
44
43
44
4
ei
total
44.9665 118
45.34757 119
46.49079 122
44.9665 118
46.10972 121
46.87186 123
46.49079 122
43.82328 115
45.34757 119
44.58543 117
455 1194
31

Kelompok 16
Tabel 3.5 Perhitungan Manual Lanjutan Uji Homogenitas RAL
perlakuan
replikasi
1
2
3
4
5
6
7
8
9
10
total
p1
p2
p3
p4
(oi-ei)^2/ei
(oi-ei)^2/ei
(oi-ei)^2/ei
(oi-ei)^2/ei
0.1349
0.0005
0.0050
0.0238
0.0154
0.1163
0.0216
0.0027
0.0031
0.0002
0.0013
0.0052
0.0088
0.1853
0.1649
0.0000
0.0074
0.0655
0.1689
0.0172
0.0859
0.0513
0.0318
0.0272
0.0457
0.0002
0.0013
0.0056
0.0765
0.0107
0.0131
0.0007
0.1775
0.1163
0.0216
0.1215
0.1141
0.0346
0.2103
0.0077
0.669267833 0.580957673 0.639593592 0.211473107
total
0.164229
0.155891
0.009717
0.358983
0.259086
0.19613
0.052736
0.100985
0.436849
0.366686
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.
H1 : Data tidak bersifat homogen dalam variansi.
: 0.05

32

Kelompok 16
Daerah kritis :
Software SPSS dan Minitab : p < 0.05
Perhitungan :
Tabel 3.6 Uji Homogenitas RAL
Test of Homogeneity of Variance
Levene Statistic
df1
4.585
df2
3
Sig.
36
.008
a. There are no valid cases for VAR00001 when VAR00002 = .. Statistics cannot be computed for
this level.
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
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 = 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. : 0.05

33

Kelompok 16
4. Daerah kritis :
Software SPSS dan Minitab : p < 0.05
5. Perhitungan :
Test for Equal Variances for C1
Bartlett's Test
Test Statistic
P-Value
1.33
0.721
Lev ene's Test

Test Statistic
P-Value
C2
0.61
0.613
1.0
1.5
2.0
2.5
3.0
3.5
95% Bonferroni Confidence Intervals for StDevs
Gambar 3.10 Output Minitab Uji Homogenitas
Levenes 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
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 = 0.05. Sifat homogen tersebut menunjukan bahwa
data dari hasil empat perlakuan memiliki variansi yang sama dari
populasinya dapat dianggap sama.
34

Kelompok 16
3.1.2.4 Uji Independensi (Chi-Square)

a. Manual
-
Hipotesis
1. H0 : Ada kebebasan antara perlakuan dengan replikasi.
2. H1 : Tidak ada kebebasan antara perlakuan dengan replikasi.
3.
: 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
ei =
jumlah lajur x jumlah baris

=
jumlah keseluruha n
= 13.341
Tabel 3.7 Perhitungan Manual Uji Independensi RAL
perlakuan
replikasi
1
2
3
4
5
6
7
8
9
10
total
oi
12
13
14
13
14
15
13
14
15
12
1
Ei
13.34171
13.45477
13.79397
13.34171
13.6809
13.90704
13.79397
13.00251
13.45477
13.22864
135
oi
24
26
25
22
26
24
25
23
26
23

2
ei
24.1139
24.31826
24.93132
24.1139
24.72697
25.13568
24.93132
23.50084
24.31826
23.90955
244
oi
36
35
37
38
34
36
37
34
35
38
3
ei
35.57789
35.8794
36.78392
35.57789
36.48241
37.08543
36.78392
34.67337
35.8794
35.27638
360
oi
46
45
46
45
47
48
47
44
43
44
4
ei
total
44.9665 118
45.34757 119
46.49079 122
44.9665 118
46.10972 121
46.87186 123
46.49079 122
43.82328 115
45.34757 119
44.58543 117
455 1194
35

Kelompok 16
Tabel 3.8 Perhitungan Manual Lanjutan Uji Independensi RAL
perlakuan
p1
p2
p3
p4
(oi-ei)^2/ei
(oi-ei)^2/ei
(oi-ei)^2/ei
(oi-ei)^2/ei
0.1349
0.0005
0.0050
0.0238
0.0154
0.1163
0.0216
0.0027
0.0031
0.0002
0.0013
0.0052
0.0088
0.1853
0.1649
0.0000
0.0074
0.0655
0.1689
0.0172
0.0859
0.0513
0.0318
0.0272
0.0457
0.0002
0.0013
0.0056
0.0765
0.0107
0.0131
0.0007
0.1775
0.1163
0.0216
0.1215
0.1141
0.0346
0.2103
0.0077
0.669267833 0.580957673 0.639593592 0.211473107
replikasi
1
2
3
4
5
6
7
8
9
10
total
6. Keputusan :Jangan tolak H0 untuk
<
total
0.164229
0.155891
0.009717
0.358983
0.259086
0.19613
0.052736
0.100985
0.436849
0.366686
2.101292
(2.101 < 40.113)
7. Kesimpulan : Data besifat bebas antara perlakuan dengan replikasi.
Analisis
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. H0 : Ada kebebasan antara perlakuan dengan replikasi.

2. H1 : Tidak ada kebebasan antara perlakuan dengan replikasi.
3. : 0.05
4. Daerah kritis : 2 > 2

36

Kelompok 16
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
12
13.34
0.135
C2
24
24.11
0.001
C3
36
35.58
0.005
C4
46
44.97
0.024
Total
118
13
13.45
0.015
26
24.32
0.116
35
35.88
0.022
45
45.35
0.003
119
14
13.79
0.003
25
24.93
0.000
37
36.78
0.001
46
46.49
0.005
122
13
13.34
0.009
22
24.11
0.185
38
35.58
0.165
45
44.97
0.000
118
14
13.68
0.007
26
24.73
0.066
34
36.48
0.169
47
46.11
0.017
121
15
13.91
0.086
24
25.14
0.051
36
37.09
0.032
48
46.87
0.027
123
13
13.79
0.046
25
24.93
0.000
37
36.78
0.001
47
46.49
0.006
122
14
13.00
0.077
23
23.50
0.011
34
34.67
0.013
44
43.82
0.001
115
15
13.45
0.177
26
24.32
0.116
35
35.88
0.022
43
45.35
0.122
119
10
12
13.23
0.114
23
23.91
0.035
38
35.28
0.210
44
44.59
0.008
117
Total
135
244
360
455
1194
Chi-Sq = 2.101, DF = 27, P-Value = 1.000
6. Keputusan
Jangan tolak H0 untuk
<
(2.101 < 40.113)
7. Kesimpulan
Data besifat bebas antara perlakuan dengan replikasi.

37

Kelompok 16
Analisis
dari hasil keempat perlakuan bersifat bebas antara perlakuan dan replikasi.
Hal tersebut sesuai dengan perhitungan menggunakan software Minitab
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.
3.1.3
Analisis Variansi (ANOVA)

a. Manual
-
Hipotesis
1. H0 : 1 = 2, 2 = 3, 3 = 4, 1= 3,1= 4,2= 4
2. H1 : Paling sedikit dua rataan tidak sama
3. : 0.05
4. Daerah kritis : F hitung > F tabel
RAL
v1=k-1=4-1=3
v2=k(n-1)=4(10-1)=36
Lihat tabel L6
x=2.872
5. Perhitungan :
Tabel 3.9 Perhitungan Jumlah dan Rata-Rata
perlakuan
replikasi
1
2
3
4
5
6
7
p1
12
13
14
13
14
15
13
p2
24
26
25
22
26
24
25
p3
36
35
37
38
34
36
37
p4 total
46 118
45 119
46 122
45 118
47 121
48 123
47 122
38

Kelompok 16
Lanjutan Tabel 3.9 Perhitungan Jumlah dan Rata-Rata
8
9
10
14
23
34
44
115
15
26
35
43
119
12
23
38
44
117
total
135
244
360
455
1194
T2
18225 59536 129600 207025 414386
average 13.5
24.4
36
45.5
119.4
Tabel 3.10 Perhitungan Jumlah dan Rata-Rata Kuadrat
perlakuan
replikasi
p1
p2
p3
p4
total
1
144
576
1296
2116
4132
2
169
676
1225
2025
4095
3
196
625
1369
2116
4306
4
169
484
1444
2025
4122
5
196
676
1156
2209
4237
6
225
576
1296
2304
4401
7
169
625
1369
2209
4372
8
196
529
1156
1936
3817
9
225
676
1225
1849
3975
10
144
529
1444
1936
4053
total
1833
5972
12980
20725
41510
t2
3359889 35664784 168480400 429525625 637030698
Faktor Korelasi =
= 35640.9
JKT =
=41510 -35640.9=5869.1
JKA =
=414386 35640.9 = 5797.7
JKG=JKT-JKA
=5869.1-5797.7= 71.4
Rataan kuadrat perlakuan (
Rataan kuadrat galat ( )=
F hitung =

)=
=
=1932.567
=1.98333
= 974.4034
39

Kelompok 16
Tabel 3.11 Hasil Perhitungan ANOVA
Sumber
variasi
JKA
JKG
JKT
Jumlah
derajat
kuadrat
kebebasan
5797.7
71.4
5869.1
rataan
f
kuadrat
hitungan
3
1932.567
974.4
36
1.98333
39
6. Keputusan
Karena F hitung > F table (974.403>2.872),, maka H0 ditolak pada
perhitungan manual.
7. Kesimpulan
Paling sedikit dua rataan tidak sama pada perhitungan manual.
Analisis
dari hasil keempat perlakuan memiliki paling sedikit dua rataan tidak sama.
Hal tersebut sesuai dengan perhitungan menggunakan uji ANOVA dimana
data memiliki nilai F hitung > F tabel (974.4 >2.872). dari hasil tersebut
maka dapat disimpulkan bahwa uji ANOVA ditolak, sehingga dapat
dilakuan uji berpasangan untuk melihat apakah terdapat perbedaan dari
masing masing rataan di tiap perlakuan.
b. SPSS
-
Hipotesis
1. H0 : 1 = 2, 2 = 3, 3 = 4, 1= 3,1= 4,2= 4
3. : 0.05
RAL
v1=k-1=4-1=3
v2=k(n-1)=4(10-1)=36

40

Kelompok 16
Lihat tabel L6
x=2.872
5. Perhitungan :
Tabel 3.12 Output SPSS Uji ANOVA
ANOVA
VAR00001
Sum of Squares
Between Groups
Mean Square
5797.700
1932.567
71.400
36
1.983
5869.100
39
Within Groups
Total
Df
F
974.403
Sig.
.000
F Hitung SPSS = 974.403

6. Keputusan
Karena F hitung > F table(974.403>2.872, maka H0 ditolak pada
perhitungan software SPSS
7. Kesimpulan
Paling sedikit dua rataan tidak sama pada perhitungan software SPSS
Analisis

41

Kelompok 16
c. Minitab
-
Hipotesis
1. H0 : 1 = 2, 2 = 3, 3 = 4, 1= 3,1= 4,2= 4
3. : 0.05
RAL
v1=k-1=4-1=3
v2=k(n-1)=4(10-1)=36
Lihat tabel L6
x=2.872
5. Perhitungan :
One-way ANOVA: C1 versus C2
Source
C2
Error
Total
DF
3
36
39
S = 1.408
SS
5797.70
71.40
5869.10
MS
1932.57
1.98
R-Sq = 98.78%
F
974.40
P
0.000
R-Sq(adj) = 98.68%
F Hitung Minitab = 974.40

6. Keputusan :
Karena F hitung > F table(974.40>2.872), maka H0 ditolak pada
perhitungan software Minitab
7. Kesimpulan :
Paling sedikit dua rataan tidak sama pada perhitungan software Minitab
Analisis
42

Kelompok 16

3.1.4
Uji Perbandingan Berpasangan
3.1.4.1 Uji Orthogonal Contrast

a. 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 < F tabel
f 0 Ci < 1,9833
i = 1,2,3,4
5. Perhitungan Contrast
Tabel 3.13 Data Rata-Rata RAL
RAL
Cor - coran
Cor - coran
Cor - coran
Cor - coran
Cor - coran
Cor - coran
Cor - coran
Cor - coran
Cor - coran
Cor - coran
Rata-rata

20 cm
12
13
14
13
14
15
13
14
15
12
13.5
Ketinggian
40 cm
60 cm
80 cm
24
36
46
26
35
45
25
37
46
22
38
45
26
34
47
24
36
48
25
37
47
23
34
44
26
35
43
23
38
44
24.4
36
45.5
43

Kelompok 16
C1
=|
C2
= |
= |13,5 - 36| = 22,5
C3
= |
= |13,5 45,5| = 32
C4
= |
= |24,4 - 36| = 11,6
C5
= |
= |24,4 45,5| = 21,1
C6
= |
= |36 45,5| = 9,5
JK
= |13,5 24,4| = 10,9
JK
JK
JK
JK
JK
Tabel 3. 14 Perhitungan Uji Orthogonal Contras RAL
Sumber Variansi
Perlakuan
Jumlah
Derajat
Rata-
Kebebasan
Rata
5797,7
3 1932,567
F hitungan
974,403
Orthogonal
Contrast
C1
0,0061 < 1,9833
C2
0,026< 1,9833
C3
0,053 < 1,9833
C4
0,007 < 1,9833
C5
0,022 < 1,9833
C6
0,0046 < 1,9833
Error
5681,8
1816,6
974,28
Total
115,95
115,95
0,1187

44

Kelompok 16
6. Keputusan:
-
f 0 C1 < 1,9833, maka tolak H0.
f 0 C2< 1,9833, maka tolak H0.
f 0 C3 < 1,9833, maka tolak H0.
7. Kesimpulan :
Antara rataan P1,P2, P3, P4, P5 dan P6 tidak terdapat perbedaan yang
nyata
b. SPSS
-
Hipotesis
1. H0 : Semua rataan tidak terdapat perbedaan nyata.

2. H1: Paling sedikit dua rataan tidak sama.
3. = 0,05
4. Daerah kritis : p < 0,05
5. Perhitungan
Tabel 3. 15 Output SPSS Uji Orthogonal Contras RAL
Multiple Comparisons
Dependent Variable: pantulan bola
Scheffe
95% Confidence Interval
Mean Difference
(I) VAR00002
1.00
(J) VAR00002
Sig.
Lower Bound
Upper Bound
2.00
-10.90000
3.00
-22.50000
.62981
.000
-24.3469
-20.6531
-32.00000
.62981
.000
-33.8469
-30.1531
1.00
10.90000
.62981
.000
9.0531
12.7469
3.00
-11.60000
.62981
.000
-13.4469
-9.7531
-21.10000
.62981
.000
-22.9469
-19.2531
22.50000
.62981
.000
20.6531
24.3469
2.00
11.60000
.62981
.000
9.7531
13.4469
4.00
-9.50000
.62981
.000
-11.3469
-7.6531
4.00
3.00
Std. Error
*
4.00
2.00
(I-J)
1.00

.62981
.000
-12.7469
-9.0531
45

Kelompok 16
Lanjutan Tabel 3. 15 Output SPSS Uji Orthogonal Contras RAL

4.00
1.00
32.00000
.62981
.000
30.1531
33.8469
2.00
21.10000
.62981
.000
19.2531
22.9469
.62981
.000
7.6531
11.3469
3.00
9.50000
*. The mean difference is significant at the 0.05 level.
Antara P1-P2 : nilai signifikansi 0,000 < 0,05

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
Paling sedikit dua rataan tidak sama.

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.
Analisis Keseluruhan
Suatu rataan dikatakan tidak mempunyai perbedaan yang 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, P2, P3, P4, P5,
dan P6 tidak terdapat perbedaan secara berarti. Berdasarkan uji Orthogonal
Kontras untuk hasil manual, kesimpulan yang didapat untuk semua rataan
tersebut tidak terdapat perbedaan yang nyata.
46

Kelompok 16
3.1.4.2 Uji LSD

a. Manual
-
Hipotesis
1. Ho = 1 = 2 = 3 = 4 = n
2. H1 = paling sedikit 2 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
2 xs 2
n
= t 0,025,36
2 x(0.0205) 2
= 1,96 x 0,009 = 0,018
10
Daerah kritis hi h j > 0,018

5. Perhitungan
Tabel 3.16 Rata-Rata Tiap Taraf
Perlakuan
Rata Rata
P1
13,5
P2
24,4
P3
36
P4
45,5
Tabel 3.17 Perhitungan Uji LSD
No
Means Different
P1-P2
P1-P3
P1-P4
P2-P3
P2-P4
P3-P4

Nilai mutlak
-10.9
10.9
-22.5
22.5
-32
32
-11.6
11.6
-21.1
21.1
-9.5
9.5
Keterangan
>0,018
>0,018
>0,018
>0,018
>0,018
>0,018
47

Kelompok 16
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
a.
Untuk rataan P1 dengan rataan P2 terdapat perbedaan secara nyata.
b.
c.
d.
e.
f.
b. SPSS
-
Hipotesis
1. H0: Semua rataan tidak terdapat perbedaan nyata.

3. : 0,05
4. Daerah kritis
: p < 0,05
5. Perhitungan
:
Tabel 3. 18 Output SPSS Uji LSD RAL

LSD
Mean Difference
(I) VAR00002
1.00
(J) VAR00002
Sig.
Lower Bound
Upper Bound
2.00
-10.90000
3.00
-22.50000
.62981
.000
-23.7773
-21.2227
-32.00000
.62981
.000
-33.2773
-30.7227
1.00
10.90000
.62981
.000
9.6227
12.1773
3.00
-11.60000
.62981
.000
-12.8773
-10.3227
-21.10000
.62981
.000
-22.3773
-19.8227
22.50000
.62981
.000
21.2227
23.7773
2.00
11.60000
.62981
.000
10.3227
12.8773
4.00
-9.50000
.62981
.000
-10.7773
-8.2227
4.00
3.00
Std. Error
*
4.00
2.00
(I-J)
1.00

.62981
.000
-12.1773
-9.6227
48

Kelompok 16
Tabel 3. 18 Output SPSS Uji LSD RAL

4.00
1.00
32.00000
.62981
.000
30.7227
33.2773
2.00
21.10000
.62981
.000
19.8227
22.3773
.62981
.000
8.2227
10.7773
3.00
9.50000
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

7. Kesimpulan
Paling sedikit dua rataan tidak sama. Maka hal ini disimpulkan bahwa
rataan antara perlakuan 1, perlakuan 2, perlakuan 3 dan perlakuan 4
terdapat perbedaan yang nyata.
c. Minitab
-
Hipotesis
1.
H0
: Semua rataan tidak terdapat perbedaan nyata.
2.
H1
: Paling sedikit dua rataan tidak sama.
3.
: 0.05

49

Kelompok 16
4.
Daerah kritis : |f hitung| > f tabel; |f hitung| > 0,018

Daerah kritis > LSD
V = k(n-1) = 4 (10-1) = 36
t / 2 ,v
LSD =
= t 0,025,36
2 xs 2
n
2 x(0.0205) 2
= 1,96 x 0,009 = 0,018
10
Daerah kritis hi h j > 0,018

5.
Perhitungan
Level
1
2
3
4
N
10
10
10
10
Mean
13,500
24,400
36,000
45,500
StDev
1,080
1,430
1,491
1,581
Individual 95% CIs For Mean Based on

Pooled StDev
-------+---------+---------+---------+-(*
(*)
(*)
(*
-------+---------+---------+---------+-20
30
40
50
Pooled StDev = 1,408

Grouping Information Using Fisher Method
C2
4
3
2
1
N
10
10
10
10
Mean
45,500
36,000
24,400
13,500
Grouping
A
B
C
D
Means that do not share a letter are significantly different.

Fisher 95% Individual Confidence Intervals
All Pairwise Comparisons among Levels of C2
Simultaneous confidence level = 80,32%
C2 = 1 subtracted from:
C2
2
3
4
Lower
9,623
21,223
30,723
Center
10,900
22,500
32,000

Upper
12,177
23,777
33,277
-----+---------+---------+---------+---(*)
(*)
(*)
-----+---------+---------+---------+----15
0
15
30
50

Kelompok 16
C2
3
4
Lower
10,323
19,823
Center
11,600
21,100
Upper
12,877
22,377
-----+---------+---------+---------+---(*)
(*)
-----+---------+---------+---------+----15
0
15
30
C2
4
Lower
8,223
Center
9,500
Upper
10,777
-----+---------+---------+---------+---(*)
-----+---------+---------+---------+----15
0
15
30
|P1-P2| = 10,9 > 0,018

|P1-P3| = 22,5 > 0,018
|P1-P4| = 32 > 0,018
|P2-P3| = 11,6 > 0,018
|P2-P4| = 21,1 > 0,018
|P3-P4| = 9,5 > 0,018
6. Keputusan : tolak H0 untuk P1, P2, P3 dan P4
7. Kesimpulan : Paling sedikit dua rataan tidak sama. Maka hal ini
disimpulkan bahwa rataan antara perlakuan 1, perlakuan 2, perlakuan 3
dan perlakuan 4 terdapat perbedaan yang nyata.
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.
Untuk pengujian manual uji LSD terdapat syarat bahwa rataan
mempunyai perbedaan yang berarti apabila taraf percobaan lebih besar dari
nilai LSD. Berdasarkan hasil uji manual di atas menunjukkan bahwa untuk
semua rataan baik P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan
P3, P2 dengan P4, dan P3 dengan P4 memiliki taraf percobaan lebih besar
dari nilai LSD pada daerah kritis.. Dengan demikian dapat dikatakan bahwa
semua rataan tersebut terdepat perbedaan secara nyata.

51

Kelompok 16
3.1.4.3 Uji Duncan

a. Manual
-
Hipotesis
1
2
H0 = 1 = 2 = 3 = 4
H1 = paling sedikit 2 rataan tidak sama
Rp =
4
5
S2 = 0,0205
Nilai Rp dilihat dari tabel dengan = 0.01 dan v= 36 menggunakan
perhitungan interpolasi
P=2
=
X = 2.87
P=3
=
X = 3.02
P=4
=
X = 3.11
Tabel 3.19 Perhitungan Uji Duncan
P
Rp
Rp
2
2,87
0,13
3
3,02
0,137
4
3,11
0,14
Data diterima jika

|Yi-Yj|<Rp
Tabel 3.20 Perhitungan Uji Duncan (2)
No
1
2
3
4
5
6

Means Different
P4-P1
32
P4-P3
9,5
P4-P2
21,1
P2-P1
10,9
P2-P3
11,6
P3-P1
22,5
Rp
>0,14
>0,137
>0,13
>0,14
>0,137
>0,13
52

Kelompok 16
Keputusan
Tolak Ho untuk perbedaan rata-rata antara taraf P4-P2, P3-P1, P4-P1, P4P3, P2-P1 dan P2-P3.
7 Kesimpulan :
Untuk P4-P2 terdapat perbedaan secara berarti.
Untuk P4-P3 terdapat perbedaan secara berarti
Untuk P2-P1 terdapat perbedaan secara berarti

b. SPSS
-
Hipotesis
1. H0: Semua rataan tidak terdapat perbedaan nyata.

3. : 0,05
4. Daerah kritis
: p < 0,05
5. Perhitungan
Tabel 3.21 Output SPSS Uji Duncan
VAR00001
a
Duncan
Subset for alpha = 0.05

VAR00002
1.00
10
2.00
10
3.00
10
4.00
10
Sig.
13.5000
24.4000
36.0000
45.5000
1.000
1.000
1.000
1.000
Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 10.000.
6.
Keputusan :
Jangan tolak H0 untuk P1, P2, P3, dan P4.

53

Kelompok 16
7.
Kesimpulan :
Semua rataan tidak dapat perbedaan secara merata.
Analisis

semua rataan memiliki nilai signifikansi > 0,05. Sehingga diperoleh
kesimpulan bahwa untuk semua rataan tidak memiliki perbedaan yang
nyata.
Daerah kritis pada uji Duncan terletak pada |Yi-Yj| > Rp, sehingga
apabila hasilnya memenuhi daerah tersebut, maka jangan tolak H0 dan
artinya paling sedikit dua rataan tidak sama. Berdasarkan perhitungan
manual uji Duncan di atas didapat nilai rataan dari P4-P2, P3-P1, P4-P1, P4P3, P2-P1 dan P2-P3 lebih besar dari nilai Rp masing-masing perlakuan.
Sehingga untuk semua perlakuan terdapat perbedaan secara berarti
3.1.4.4 Uji Tukey

a. 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
= 0,175
|yi-yj| > 0,175

5. Perhitungan :

54

Kelompok 16
Tabel 3.22 Rata-Rata Tiap Taraf
Perlakuan
Rata Rata
P1
13,5
P2
24,4
P3
36
P4
45,5
Tabel 3.23 Perhitungan Uji Tukey
Nilai
No
Means Different
P1-P2
P1-P3
P1-P4
P2-P3
P2-P4
P3-P4
mutlak
-10.9
10.9
-22.5
22.5
-32
32
-11.6
11.6
-21.1
21.1
-9.5
9.5
Keterangan
>0,175
>0,175
>0,175
>0,175
>0,175
>0,175
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.

55

Kelompok 16
b. SPSS
-
Hipotesis
1. H0
2.
H1: Paling sedikit dua 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
= 0,175
|yi-yj| > 0,175

5. Perhitungan:
Tabel 3. 24 Output Uji Tukey RAL
Tukey HSD
Mean Difference
(I) VAR00002
1.00
2.00
(J) VAR00002
Sig.
Lower Bound
Upper Bound
2.00
-10.90000
3.00
-22.50000
.62981
.000
-24.1962
-20.8038
4.00
-32.00000
.62981
.000
-33.6962
-30.3038
1.00
10.90000
.62981
.000
9.2038
12.5962
-11.60000
.62981
.000
-13.2962
-9.9038
-21.10000
.62981
.000
-22.7962
-19.4038
22.50000
.62981
.000
20.8038
24.1962
11.60000
.62981
.000
9.9038
13.2962
.62981
.000
-11.1962
-7.8038
.62981
.000
30.3038
33.6962
4.00
1.00
2.00
4.00
4.00
Std. Error
*
3.00
3.00
(I-J)
-9.50000
.62981
.000
-12.5962
-9.2038
1.00
32.00000
2.00
21.10000
.62981
.000
19.4038
22.7962
.62981
.000
7.8038
11.1962
3.00
9.50000
P1 P2 = - 10,9
P1 P3 = - 22,5
P1 P4= - 32
56

Kelompok 16
P2 P3 = - 11,6
P2 P4 = - 21,1
P3 P4 = - 9,5
6. Keputusan

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.
c. Minitab
-
Hipotesis
1. H0
2. H1
3.
: 0.05
4. Daerah kritis : f hitung > crictical value

f hitung > 0,175
5. Perhitungan
Source
C2
Error
Total
DF
3
36
39
S = 1,408
Level
1
2
3
4
N
10
10
10
10
SS
5797,70
71,40
5869,10
MS
1932,57
1,98
R-Sq = 98,78%
Mean
13,500
24,400
36,000
45,500
StDev
1,080
1,430
1,491
1,581
F
974,40
P
0,000
R-Sq(adj) = 98,68%
Pooled StDev
-------+---------+---------+---------+-(*
(*)
(*)
(*
-------+---------+---------+---------+-20
30
40
50

57

Kelompok 16
Grouping Information Using Tukey Method

C2
4
3
2
1
N
10
10
10
10
Mean
45,500
36,000
24,400
13,500
Grouping
A
B
C
D
Means that do not share a letter are significantly different.

Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons among Levels of C2
Individual confidence level = 98,93%
C2
2
3
4
Lower
9,203
20,803
30,303
Center
10,900
22,500
32,000
Upper
12,597
24,197
33,697
-----+---------+---------+---------+---(*)
(*)
(*)
-----+---------+---------+---------+----15
0
15
30
C2
3
4
Lower
9,903
19,403
Center
11,600
21,100
Upper
13,297
22,797
-----+---------+---------+---------+---(*)
(*)
-----+---------+---------+---------+----15
0
15
30
C2
4
Lower
7,803
Center
9,500
Upper
11,197
-----+---------+---------+---------+---(*)
-----+---------+---------+---------+----15
0
15
30
|P1-P2| = 10,9 > 0,175

|P1-P3| = 22,5 > 0,175
|P1-P4| = 32 > 0,175
|P2-P3| = 11,6 > 0,175
|P2-P4| = 21,1 > 0,175
|P3-P4| = 9,5 > 0,175
6. Keputusan
Tolak H0 untuk P1-P2,P1-P3, P1-P4,P2-P4, P3-P4

58

Kelompok 16
7. Kesimpulan
Untuk rataan P1 dengan rataan P3 terdapat perbedaan secara nyata

semua rataan
memiliki nilai signifikansi < 0,05. Sehingga diperoleh

Dari hasil output minitab diatas dapat dikatakan bahwa P1-P2, P1-P3,
P1-P4, P2-P4, P3-P4 tidak mengandung nilai nol, sehingga pada kesimpulan
P1-P2, P1-P3, P1-P4, P2-P4, P3-P4 terdapat perbedaan secara nyata, itu
disebabkan karena data yang diperoleh ditolak.
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 adalah
berdasarkan uji Tukey yang telah dilakukan dengan SPSS, minitab maupun
manual, terdapat perbedaan yang nyata rataan antar perlakuan.
3.1.4.5 Uji Dunnet

a. Manual
-
Hipotesis
1
2
3
: =
:
v : 0.05

59

Kelompok 16
Daerah kritis :
(k,v)
(4,36)
(4,36) = Interpolasi
x = 2.452
5
Perhitungan :
Tabel 3.25 Perhitungan Uji Dunnet
Ketinggian
Ratarata
20 cm
40 cm
60 cm
12
13
14
13
14
15
13
14
15
12
24
26
25
22
26
24
25
23
26
23
36
35
37
38
34
36
37
34
35
38
80
cm
46
45
46
45
47
48
47
44
43
44
13.5
24.4
36
45.5
150,947
Variansi
i= 1,2,,k
S2 = 150,947
=
= -5,8
= -2,62
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
60

Kelompok 16
7. Kesimpulan :
b. SPSS
1 H0
2 H1
: 0.05
4 Daerah kritis: p < 0.05

5 Perhitungan:
Tabel 3.26 Output Uji Dunnet RAL
Dunnett t (2-sided)
Mean Difference
(I) VAR00002
1.00
2.00
3.00
(J) VAR00002
4.00
4.00
4.00
(I-J)
Std. Error
Sig.
Lower Bound
Upper Bound
-32.00000
.62981
.000
-33.5444
-30.4556
-21.10000
.62981
.000
-22.6444
-19.5556
.62981
.000
-11.0444
-7.9556
-9.50000

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, karena nilai signifikansi kurang dari
daerah kritis p yaitu 0,05.
7 Kesimpulan:
Untuk rataan P1 , rataan P2, dan rataan P3 terdapat perbedaan secara
nyata.

61

Kelompok 16
b. Minitab
- Hipotesis
1. H0
2. H1
3.
: 0.05
4. Daerah kritis : Jika tidak mengandung nilai nol

5. Perhitungan
Source
C2
Error
Total
DF
3
36
39
SS
5797,70
71,40
5869,10
S = 1,408
Level
1
2
3
4
:
MS
1932,57
1,98
R-Sq = 98,78%
N
10
10
10
10
Mean
13,500
24,400
36,000
45,500
F
974,40
P
0,000
R-Sq(adj) = 98,68%
StDev
1,080
1,430
1,491
1,581

Pooled StDev
-------+---------+---------+---------+-(*
(*)
(*)
(*
-------+---------+---------+---------+-20
30
40
50

Grouping Information Using Dunnett Method
Level
2 (control)
4
3
1
N
10
10
10
10
Mean
24,400
45,500
36,000
13,500
Grouping
A
Means not labeled with letter A are significantly different from

control level
mean.
Dunnett's comparisons with a control
Family error rate = 0,05
Individual error rate = 0,0192
Critical value = 2,45
Control = level (2) of C2
Intervals for treatment mean minus control mean
Level
---1
Lower
Center
Upper
-12,444
-10,900
-9,356

--+---------+---------+---------+--(*-)
62

Kelompok 16
3
4
10,056
19,556
11,600
21,100
13,144
22,644
(-*)
(*-)
--+---------+---------+---------+---
----10
10
20
6. Keputusan
Semua Ho ditolak, karena tidak mengandung nilai nol.
7. Kesimpulan
Paling sedikit dua rataan sama. Atrau dengan kata lain adalah semua data
terdapat perbedaan yang nyata.

semua rataan
memiliki nilai signifikansi < 0,05. Sehingga diperoleh

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.
Selain dengan menggunakan software, perhitungan Uji Dunnet juga

dengan menggunakan cara manual. Berdasarkan pehitungan manual di atas,
dapat terlihat bahwa nilai
, dan
adalah lebih besar dari nilai
(k,v). Jadi untuk P1-P4, P2-P4, dan P3-P4 terdapat perbedaan secara
nyata.

63

Kelompok 16
3.2 RAK
3.2.1
Pengumpulan Data
Tabel 3.27 Pengumpulan Data RAK
plastik
bata
seng
buku
walpole
kain
cor coran
kanopi
white board
karet
genteng
beton
3.2.2
20cm
11
13
9
40cm
28
24
20
60cm
33
31
25
80cm
41
44
29
100cm
55
53
45
8
14
10
16
12
14
21
25
21
24
22
21
30
35
35
38
34
32
36
48
48
46
41
43
43
57
59
58
57
61
14
22
36
47
56
Uji Asumsi Analisis Variansi
3.2.2.1 Uji Normalitas

a. SPSS
-
Hipotesis
1. H0 : Data berdistribusi normal.

2. H1 : Data tidak berdistribusi normal.
3. g : 0.05
4. Daerah kritis : p < 0.05
5. Perhitungan :
Tabel 3.28 Uji Normalitas RAK
Tests of Normality
a
Kolmogorov-Smirnov
Statistic
df
Shapiro-Wilk
Sig.
Statistic
df
Sig.
.955
10
.729
VAR00001
.171
10
.200
VAR00002
.228
10
.148
.893
10
.182
10
.200
.947
10
.629
.200
.870
10
.099
VAR00003
VAR00004
.118
.214
10
*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

64

Kelompok 16
Kolmogorov-Smirnov
Intensitas 4
: 0. 200
Intensitas 6
: 0.148
Intensitas 8
: 0.200
Intensitas 10
: 0. 200
Shapiro-Wilk
Intensitas 4
: 0.729
Intensitas 6
: 0.182
Intensitas 8
: 0.625
Intensitas 10
: 0.099
6. Keputusan :
Untuk Uji Kolmogorov-Smirnov: berdasarkan nilai uji normalitas,

maka didapatkan nilai sig > 0,05. Sehingga jangan tolak H0 untuk
semua perlakuan.
Untuk Uji Shapiro-Wilk:
berdasarkan nilai uji normalitas, maka
didapatkan nilai sig > 0,05. Sehingga jangan tolak H0 untuk semua
perlakuan.
7. Kesimpulan :
Untuk Uji Kolmogorov-Smirnov: Data pada semua perlakuan

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

normal.

65

Kelompok 16
Analisis
Perlakuan 1
Gambar 3.11 Normal Q-Q Plot Untuk Perlakuan 1
Data hasil percobaan berdistribusi normal, dikarenakan data tersebar

merata pada garis expected normal namun masih terdapat nilai yang tidak
terletak pada garis expected normal atau dapat dikatakan persebarannya
tidak merata. Pada grafik di atas terdapat 8 buah titik itu terjadi karena
terdapat 4 unit percobaan memiliki nilai yang sama.

66

Kelompok 16
Perlakuan 2
Data hasil percobaan meskipun berdistribusi normal, dikarenakan data

tersebar merata pada garis expected normal namun masih terdapat nilai
yang menjauhi garis. Pada grafik di atas terdapat 6 titik yang menandakan
bahwa 7 unit percobaan memiliki nilai yang sama bahkan terdapat 2 unit
yang datanya tepat pada garis expected normal.

67

Kelompok 16
Perlakuan 3
Pada grafik di atas data seluruhnya berada di sekitar garis expected

normal dan persebarannya tidak menyebar jauh dari garis sehingga dapat
dikatakan data tersebut berdistribusi normal. Terdapat 9 data dalam grafik
tersebut jadi 2 unit percobaan memiliki nilai yang sama, bahkan terdapat 3
datanya tepat pada garis expected normal.
Perlakuan 4

68

Kelompok 16
Pada grafik di atas data seluruhnya berada di sekitar garis expected

normal dan persebarannya tidak menyebar jauh dari garis sehingga dapat
dikatakan data tersebut berdistribusi normal. Terdapat 8 data dalam grafik
tersebut jadi 4 unit percobaan memiliki nilai yang sama.
Perlakuan 1
Gambar 3.15Detrended Normal Q-Q Plot Untuk Perlakuan 1
Data hasil percobaan apabila dilihat dari grafik di atas memiliki sebaran
nilai yang cukup jauh dari garis 0 ,dalam persebarannya data juga tidak
merata sehingga data tersebut dapat dikatakan data tersebut berdistribusi
normal.

69

Kelompok 16
Perlakuan 2
Gambar 3.16 Detrended Normal Q-Q Plot Untuk Perlakuan 2
nilai yang cukup acak. Bahkan ada 4 data yang menyimpang jauh dari garis
0,tetapi ada 2 data yang mendekati 0, maka data tersebut dapat dikatakan
berdistribusi normal karena tidak ada data yang tepat pada nilai 0. Serta data
tersebar secara merata.
Perlakuan 3

70

Kelompok 16
nilai yang cukup jauh dari garis 0 bahkan terdapat salah satu data yang
sangat jauh dari garis 0, dalam persebarannya data juga tidak merata
sehingga data tersebut dapat dikatakan berdistribusi normal walaupun
terdapat satu data yang tepat pada garis nol.
Perlakuan 4
Persebaran data pada grafik di atas sangat menyebar. Terdapat banyak

titik yang jauh dari garis 0 meskipun ada satu nilai yang berada dekat pada
garis. Sehingga data dapat disebut tidak berdistribusi normal walaupun ada
beberapa data yang dekat dengan garis 0.
b. Minitab
-
Hipotesis
1. H0 = data berdistribusi normal.
2. H1 = data berdistribusi normal.
3. = 0,05

71

Kelompok 16
4. Daerah kritis Nilai KS > 0.409

5. Perhitungan :
Probability Plot of x
Normal
99
Mean
StDev
N
KS
P-Value
95
90
27,52
12,02
40
0,095
>0,150
Percent
80
70
60
50
40
30
20
10
5
10
20
30
x
40
50
60
Gambar 3.23 Uji Kolmogorov Smirnov
6. Keputusan :
Berdasarkan nilai tabel Uji Normalitas Kolmogorov-Smirnov, maka
didapatkan Nilai KS < 0.409 (0.095 < 0.210). Sehingga jangan tolak
Ho.
7. Kesimpulan :
Data berdistribusi normal.
Analisis
Pada uji normalitas menggunakan SPSS, H0 diterima dengan memenuhi
syarat Nilai Sig > 0.05. Pada uji menggunakan Minitab, H0 diterima dengan
memenuhi syarat Nilai KS < 0.409 (0.095 < 0.210). Sehingga pada dua uji
dengan software berbeda di atas, didapatkan data berdistribusi normal pada
data RAK.

72

Kelompok 16
3.2.2.2 Uji Linieritas

a. SPSS
-
Hipotesis
Pendekatan 1
1.
H0 = data berdistribusi normal.
2.
H1 = data berdistribusi normal.
3.
= 0,05
4.
Daerah kritis : nilai signifikansi < 0,05 , Jika nilai F Deviation from
Linearity dan signifikasi > 0.05, maka Ho diterima.
5.
Perhitungan :
Tabel 3.29 Uji ANOVA
ANOVA Table
Sum of
Squares
VAR00002 * VAR00001
Between Groups
(Combined)
Linearity
Deviation from
Linearity
Within Groups
Total
6.
Mean
df
Square
49.000
28
45.013
45.013
3.987
27
.148
1.000
11
.091
50.000
39
Sig.
1.750 19.250
495.14
3
1.624
Keputusan :
Hasil nilai Deviation from Linearity adalah 0.201. sehingga Ho
diterima karena nilai Deviation from Linearity > 0.05
7.
Kesimpulan:
Data berdistribusi normal.
Analisis
Pada Uji linearitas, Hal ini menunjukan bahwa pengambilan data yang
dilakukan tidak ada perlakuan khusus yang menjadikan data bersifat

linieritas. Sehingga dapat disimpulkan antara banayk angkatan barbel
dengan jumlah denyut jantung memenuhi syarat linearitas. Dari perhitungan
73
.000
.000
.201

Kelompok 16
yang dilakukan maka diperoleh nilai deviation from linearity adalah 0.201.
Ho diterima karena nilai f deviation from linearity dan signifikasi > 0.05
3.2.2.3 Uji Homogenitas Variansi

a. Manual
-
Hipotesis
1
H0 = Variansi persamaan 1 = Variansi Persamaan 2 = Variansi

Persamaan 3 = Variansi Persamaan 4
H1 = Variansi persamaan 1 Variansi Persamaan 2 Variansi

Persamaan 3 Variansi Persamaan 4
= 0,05
Daerah kritis g > g

n = 10
k=4
g = 0.5017 (Tabel L.11 Walpole)
Perhitungan :
Tabel 3.30 Uji Homogenitas Variabel
percobaan
20
40
8
21
1
9
20
2
10
21
3
11
28
4
12
22
5
13
24
6
14
25
7
14
22
8
14
21
9
16
24
10
variansi= 6,544444 5,955556
g=
60
80
30
36
25
29
35
48
33
41
34
41
31
44
35
48
36
47
32
43
38
46
13,43333
36,01111
jum.variansi 61,94444
g=
74

Kelompok 16
g = 0,581345
6
Keputusan :
Berdasarkan nilai tabel Uji Variansi, maka didapatkan g < 0.5017
( 0.581345 > 0.5017 ). Sehingga terima Ho
Kesimpulan :
Nilai Variansi persamaan 1 = Variansi Persamaan 2 = Variansi
b. SPSS
-
Hipotesis
1. H0 = Variansi persamaan 1 = Variansi Persamaan 2 = Variansi

2. H1 = Variansi persamaan 1 Variansi Persamaan 2 Variansi
3. = 0,05
4. Daerah kritis Nilai Sig < 0.05
5. Perhitungan :
Tabel 3.31 Uji Homogenitas SPSS
Test of Homogeneity of Variances
VAR00001
Levene Statistic
2.291
df1
df2
3
Sig.
36
.095
6. Keputusan : Berdasarkan nilai tabel Test of Homogenity of

Variances, maka didapatkan Nilai Sig > 0.05 ( 0.095 > 0.05 ).
Sehingga jangan tolak Ho.
7. Kesimpulan: Nilai Variansi persamaan 1 = Variansi Persamaan 2 =
Variansi Persamaan 3 = Variansi Persamaan 4

75

Kelompok 16
c. Minitab
-
Hipotesis
1
H0 = Variansi persamaan 1 = Variansi Persamaan 2 = Variansi

H1 = Variansi persamaan 1 Variansi Persamaan 2 Variansi

3
= 0,05
Daerah kritis P Value < 0.05
Perhitungan :
Test for Equal Variances: C1 versus C2
Test for Equal Variances for Jarak Pantulan
Bartlett's Test
Test Statistic
P-Value
9,59
0,022
Lev ene's Test

Test Statistic
P-Value
C2
1,79
0,166
2
4
6
8
10
12
95% Bonferroni Confidence Intervals for StDevs
14
Gambar 3.20 Uji Homogenitas RAK (Minitab)
Keputusan :
Berdasarkan nilai tabel Uji Homogenitas, maka didapatkan Nilai P
Value > 0.05 ( 0.022 > 0.05 ) dan (0.166 > 0.05). Sehingga jangan
tolak Ho.
7.
Kesimpulan :
Nilai Variansi persamaan 1 = Variansi Persamaan 2 = Variansi

76

Kelompok 16
Analisis
Pada dua uji dengan menggunakan SPSS dan minitab, didapatkan hasil
nilai Sig > 0.05 (0.095 > 0.05) pada perhitungan SPSS dan nilai P Value >
0.05 ( 0.022> 0.05 ) dan (0.166 > 0.05) pada perhitungan minitab. kemudian
pada perhitungan manual, nilai g < g (0.581345 < 0.5017) sehingga Ho
diterima. Hal ini menunjukan bahwa masing-masing nilai variansi memiliki
persamaan.
3.2.2.4 Uji Independensi (Chi-Square)

a. Manual
-
Hipotesis
1.
H0 = Ada kebebasan antara perlakuan dengan replikasi
2.
H1 = Tidak ada kebebasan antara perlakuan dengan replikasi
3.
= 0,05
4.
Daerah kritis X2 > X2

V = (n-1) (k-1)
= (10-1) (4-1)
= 27
2
X = 40.113 (Tabel L.5 Walpole)

5.
Perhitungan :
Tabel 3. 32 Perhitungan Manual Oi Uji Independensi
Percobaan
1
2
3
4
5
6
7
8

Oi
4
11
13
9
8
14
10
16
12
6
28
24
20
21
25
21
24
22
8
33
31
25
30
35
35
38
34
10
41
44
29
36
48
48
46
41
113
112
83
95
122
114
124
109
77

Kelompok 16
Lanjutan Tabel 3. 32 Perhitungan Manual Oi Uji Independensi
9
10
14
14
21
22
32
36
43
47
121 228 329 423
110
119
1101
Tabel 3.33 Perhitungan Manual Ei Uji Independensi
Perlakuan
replikasi
1
2
3
4
5
6
7
8
9
10
total
1
oi
11
13
9
8
14
10
16
12
14
14
121
Ei
12,41871
12,30881
9,121708
10,44051
13,40781
12,52861
13,62761
11,97911
12,08901
13,07811
oi
28
24
20
21
25
21
24
22
21
22
228
Ei
23,40054
23,19346
17,18801
19,67302
25,26431
23,60763
25,67847
22,57221
22,77929
24,64305
3
oi
33
31
25
30
35
35
38
34
32
36
329
Ei
33,76658
33,46776
24,802
28,38783
36,45595
34,0654
37,05359
32,5713
32,87012
35,55949
oi
41
44
29
36
48
48
46
41
43
47
423
Ei
43,41417
43,02997
31,88828
36,49864
46,87193
43,79837
47,64033
41,87738
42,26158
45,71935
total
113
112
83
95
122
114
124
109
110
119
Tabel 3.34 Perhitungan manual X2 Uji Independensi
No
1
2
3
4
5
6
7
8
9
10
Perlakuan
p1
p2
p3
(oi(oi(oiei)/ei
ei)/ei
ei)/ei
0,162073 0,904038 0,017403
0,038813 0,028047 0,181961
0,001624 0,460046 0,001581
0,570478 0,089507 0,091557
0,026155 0,002765 0,058147
0,510342 0,288031 0,025641
0,413002 0,109714 0,024173
3,64E-05 0,014505 0,062668
0,302083 0,138981 0,023033
0,064985 0,283476 0,005457
TOTAL

p4
(oiei)/ei
0,134247
0,021867
0,261606
0,006812
0,027149
0,403068
0,056479
0,018382
0,012902
0,035873
5,878709
78

Kelompok 16
6.
Keputusan :
Berdasarkan nilai tabel Perhitungan Manual, maka didapatkan Nilai
X2 < X2 (5,878709 < 40.113). Sehingga jangan tolak Ho.
7.
Kesimpulan :
Ada kebebasan antara perlakuan dan replikasi.
Analisis
Pada uji minitab dan manual, didapatkan nilai Chi-Sq < X2 (5,878709<
40.113), sedangkan pada perhitungan manual didapatkan Nilai X2 < X2

(5,878709< 40.113) sehingga data berdistribusi normal.
b. Minitab
-
Hipotesis
1.
H0 = Ada kebebasan antara perlakuan dengan replikasi
2.
H1 = Tidak ada kebebasan antara perlakuan dengan replikasi
3.
= 0,05
4.
Daerah kritis Nilai Chi-Sq > X2

V = (n-1)(k-1)
= (10-1)(4-1)
= 27
X2 = 40.113 (Tabel L5 Walpole)
5.
Perhitungan :
Chi-Square Test: C2; C3; C4; C5; C6

C2
C3
C4
C5
C6
Total
Chi-Square Test: 20; 40; 60; 80

20
1
40
11
12,42
0,162

60
28
23,40
0,904
80
33
33,77
0,017
Total
41
113
43,41
0,134
79

Kelompok 16
13
12,31
0,039
44
43,03
0,022
112
9
20
25
29
9,12 17,19 24,80 31,89
0,002 0,460 0,002 0,262
83
8
10,44
0,570
21
19,67
0,090
30
28,39
0,092
36
36,50
0,007
95
14
13,41
0,026
25
25,26
0,003
35
36,46
0,058
48
46,87
0,027
122
10
12,53
0,510
21
23,61
0,288
35
34,07
0,026
48
43,80
0,403
114
16
13,63
0,413
24
25,68
0,110
38
37,05
0,024
46
47,64
0,056
124
12
11,98
0,000
22
22,57
0,015
34
32,57
0,063
41
41,88
0,018
109
14
12,09
0,302
21
22,78
0,139
32
32,87
0,023
43
42,26
0,013
110
10
14
13,08
0,065
22
24,64
0,283
36
35,56
0,005
47
45,72
0,036
119
121
228
329
423
Total
24
23,19
0,028
31
33,47
0,182
1101
Chi-Sq = 5,879; DF = 27; P-Value = 1,000
6. Keputusan :
Berdasarkan nilai tabel Perhitungan Manual, maka didapatkan Nilai
Cji-Sq < X2 ( 5,879 < 40.113). Sehingga jangan tolak H0.
7. Kesimpulan :
Ada kebebasan antara perlakuan dengan replikasi
Analisis
Pada uji minitab, didapatkan nilai Chi-Sq < X2 (7,480 < 40.113),
sedangkan pada perhitungan manual didapatkan Nilai X2 < X2 (7,480 <

40.113) sehingga data berdistribusi normal.
80

Kelompok 16
3.2.2.5 Uji Ketidakadiktifan

a. Manual
-
Hipotesis
1.
H0 : Uji aditif diterima
2.
H1 : Uji aditif ditolak
3.
4.
Daerah kritis : F Hitung > F
: 0,05
F ( 1,db) = F ( 1,36)= 4,116

Db= (K-1)b = (10-1)4 = 36
5.
Perhitungan :
Tabel 3.35 Data Perhitungan Uji Ketidakadiktifan RAK
No
1
2
3
4
5
6
7
8
9
10
Total
Yi
Di=(YiY)
1
11
13
9
8
14
10
16
12
14
14
Perlakuan
2
3
28
33
24
31
20
25
21
30
25
35
21
35
24
38
22
34
21
32
22
36
4
41
44
29
36
48
48
46
41
43
47
121
12,1
228
22,8
329
32,9
423
42,3
-15,425
-4,725
5,375
14,775
Total
113
112
83
95
122
114
124
109
110
119
1101
Yj
28,25
28
20,75
23,75
30,5
28,5
31
27,25
27,5
29,75
DJ=(YjY)
0,725
0,475
-6,775
-3,775
2,975
0,975
3,475
-0,275
-0,025
2,225
27,525
Tabel 3.36 Data Perhitungan Uji Ketidakadiktifan RAK (2)
-123,0144
-95,24938
940,53938
465,835

Q = Yij (Di) (Dj)

-95,9175 128,5969 439,1869
-53,865 79,14688 308,7975
640,2375 -910,391 -2902,92
374,5744 -608,719 -2007,92
81

Kelompok 16
Lanjutan Tabel 3.36 Data Perhitungan Uji Ketidakadiktifan RAK (2)
-642,4513 -351,422 559,6719 2109,87

-150,3938 -96,7444 183,4219
691,47
-857,63 -394,065 709,7688 2361,784
50,9025 28,58625 -50,2562 -166,588
5,39875 2,480625
-4,3 -15,8831
-480,4888 -231,289 430,5375 1545,096
Q
Q2
1816,394
3299289
Faktor Korelasi =
= 30305.03
JKT =
=35937 -30305.03=5631.975
JKA =
30305.03 =5074.475
=
JKB
JKG
JKTA =
=
30305.03
= 351.225
= JKT JKA JKB
= 5631.975 5074.475 351.225
= 206.275
( Q)2 jmlpercoba an
JKA JKB
JK pengujian sisa = JKG JKTA
3299289 40
= 0,228026
26534,63 21811,38
= 206,275 0,228026= 206,0469
KT pengujian (sisa)
KT tak aditif
=
JKpengujia n(sisa)
db
206,0469
= 7,6313
27
JKTA
db tak aditif
0,228026
= 0,114013
2
82

Kelompok 16
Fhit
KT tak aditif
KT pengujian sisa
0,114013
=
7,6313
0,014940
Tabel 3.37 Analisis Variansi Data
Sumber
Variasi
Perlakuan
galat
Blok
Total
Jumglah
Kuadrat
5074.475
206.275
351.225
557500
Db
3
9
27
36
Rataan
Kuadrat
1.691.492
22.919
13.008
15.486
F hit
0.014940
6. Keputussan :
f hit < f tabel, 0.0014940< 4.116 , maka jangan tolak Ho.
7. Kesimpulan :
Maka dapat disimpulkan bahwa data aditif dan layak dianalisi ragam
Analisis
Daerah kritis pada uji ketidakaditifan adalah Daerah kritis f10.0312 <
2,96. Sehingga pada daerah tersebut, data akan ditolak. Berdasarkan

perhitungan manual di atas didapat nilai f hitung sebesar 0.0312, sehingga
keputusan jangan tolak H0 dan dapat disimpulkan bahwa data aditif dan
layak untuk dianalisis ragam
3.2.3
Analisis Variansi (ANOVA)

a. Manual
-
Hipotesis
1. H0 : 1 = 2 = 3 = 4
3.
: 0,05

83

Kelompok 16
4. Daerah kritis : F hitung > F tabel.

Menghitung F hitung
v1
= k1
v2
= (k-1) (n-1)
= 41
= (4-1) (101)
=3
= 27
Dengan cara interpolasi dari tabel L 6 didapatkan nilai F tabel.

2,96 x 30 27
x 2,96 27 24
2,96 x 3
x 2.96 3
x2,96 = 2,96x
2x = 5,92
x = 2,96
5. Perhitungan :
Tabel 3.38 Perhitungan Jumlah dan Rata-Rata RAK
perlakuan
replikasi
p1
p2
p3
p4
total
jumlah kuadrat
1
11
28
33
41
113
12769
2
13
24
31
44
112
12544
3
9
20
25
29
83
6889
4
8
21
30
36
95
9025
5
14
25
35
48
122
14884
6
10
21
35
48
114
12996
7
16
24
38
46
124
15376
8
12
22
34
41
109
11881
9
14
21
32
43
110
12100
10
14
22
36
47
119
14161
total
121
228
329
423
1101
490500
T2
14641 51984 108241 178929 1212201

84

Kelompok 16
Tabel 3.39 Perhitungan Jumlah Rata-Rata Kuadrat RAK
Perlakuan
replikasi p1
p2
p3
p4
Total
1 121 784 1089 1681
12769
2 169 576
961
1936
12544
3 81
400
625
841
6889
4 64
441
900
1296
9025
5 196 625 1225 2304
14884
6 100 441 1225 2304
12996
7 256 576 1444 2116
15376
8 144 484 1156 1681
11881
9 196 441 1024 1849
12100
10 196 484 1296 2209
14161
total
1523 5252 10945 18217 122625
Faktor Korelasi =
JKT =
= 30305.03
-
=35937 -30305.03=5631.975
JKA =
30305.03 =5074.475
JKB
=
30305.03
= 351.225
JKG
= JKT JKA JKB
= 5631.975 5074.475 351.225
= 206.275
Rataan Kuadrat perlakuan (S12) =
=
2
Rataan Kuadrat blok (S2 ) =
Rataan Kuadrat Galat (S ) =

Fhitung =

= 1691.492
= 39.025
= 7.63981
= 221.404
85

Kelompok 16
Tabel 3.40 Hasil Perhitungan ANOVA
Sumber Variasi JJumlah kuadrat Derajat Kebebasan

JKA
5074.475
9
Rataan kuadrat
1691.42
JKB
351.225
9.025
JKG
JKT
206.275
5631.975
27
39
7.639
F hitung
221.40
6. Keputusan :
karena F hitung > F tabel (221.40>2,96), sehingga H0 ditolak
7. Kesimpulan :
Paling sedikit dua rataan tidak sama.
Analisis
Berdasarkan uji ANOVA dengan software dan secara manual yang telah
dilakukan di atas terlihat bahwa nilai F hitung > dari F tabel (688,96> 2.96).
Dari hal ini, maka dapat diambil keputusan bahwa ANOVA ditolak.
b. Minitab
-
Hipotesis
Two-way ANOVA: Jarak Pantulan versus Alas; C3
Source
Alas
C3
Error
Total
DF
3
9
27
39
= 2,764
SS
5074,47
351,22
206,28
5631,97
MS
1691,49
39,02
7,64
R-Sq = 96,34%
F
221,40
5,11
P
0,000
0,000
R-Sq(adj) = 94,71%
Analisis

86

Kelompok 16
c. Excel
-
Hipotesis
Anova: Two-Factor Without Replication

SUMMARY
11
13
9
8
14
10
16
12
14
14
Count
3
3
3
3
3
3
3
3
3
3
40
60
80
10
10
10
Sum Average Variance

102
34
43
99
33
103
74 24,66667 20,33333
87
29
57
108
36
133
104 34,66667 182,3333
108
36
124
97 32,33333 92,33333
96
32
121
105
35
157
228
329
423
22,8 5,955556
32,9 13,43333
42,3 36,01111
ANOVA
Source of
Variation
Rows
Columns
Error
SS
334,6667
1902,067
163,9333
df
MS
F
P-value
F crit
9 37,18519 4,082961 0,005372 2,456281
2 951,0333 104,4242 1,25E-10 3,554557
18 9,107407
Total
2400,667
29
Analisis

87

Kelompok 16
3.2.4
Uji Perbandingan Berpasangan

3.2.4.1 Uji F
a. Manual
-
Hipotesis
1. H0 :
2. Ha :
3. = 0,05
4. Daerah kritis:
n = 10
k=4
v = n-1
= 10 1 = 9
Berdasarkan tabel L6 Walpole, maka nilai
f0,05 (9,9) = 3,18
f0,95 (9,9) = 1 : 3,18 = 0,31
Maka, daerah kritis berdasarkan uji F adalah f < 0,31 atau f > 3,18
5. Perhitungan:
Nilai variansi
= 6.544
= 5.955
= 13.433
= 36.011
Untuk perlakuan 1 dan 2:

88

Kelompok 16
6. Keputusan :
Untuk perlakuan 1 dan 2, H0 ditolak.
Untuk perlakuan 3 dan 4, H0 diterima.
7. Kesimpulan :
tidak terdapat kesamaan variansi di antara perlakuan.

89

Kelompok 16
Analisis
Berdasarkan hasil perhitungan uji F yang dilakukan untuk menentukan
adanya kesamaan varian populasi, didapatkan kesimpulan bahwa pada data

RAK tidak terdapat kesamaan varian populasi. Hal ini dibuktikan dari
pengujian perlakuan, 1 dan 3, 1 dan 4, 2 dan 3 yang ditolak semua karena
berada pada daerah kritis, Jangan tolak H0 hanya pada pengujian perlakuan
1 dan 2; 2 dan 4 dimana hasilnya 5.502 > 3,18 dan 6.046 > 3,18. Tapi, H 0
tetap ditolak karena tidak semua varian memiliki kesamaan varian

90

Kelompok 16
BAB IV
PENUTUP
4.1 Kesimpulan
Berdasarkan hasil praktikum Statistika Industri Modul 2 yang telah kami jalani,
maka dapat disimpulkan :
1. Analisis variansi merupakan salah satu cara dari sekian banyak cara untuk
menguji rataan populasi. Dalam analisis kali ini dilakukan beberapa pengujian
seperti Uji Orthogonal Contrast, Uji LSD, Uji Duncan, Uji Tukey dan Uji
Dunnet. Berdasarkan hasil Uji ANOVA menggunakan software SPSS, Minitab,
Excel dan Manual didapatkan hasil bahwa tidak terdapat pasangan dengan rataan
yang sama. Berdasarkan perhitungan didapatkan nilai F uji anova RAL sebesar
85,43 dan RAK sebesar 335,59 dengan F tabel sebesar 2.87.
2. Terdapat empat uji asumsi klasik sebagai syarat sebuah data untuk dapat
melakukan analisis variansi ini, yaitu data harus lolos, Uji Linearitas, Uji
Normalitas, Uji Homogenitas Variansi dan Uji Independensi.
3. Uji ANOVA terdiri atas dua macam uji, One-Way Anova dan Two-Way Anova.
One-Way Anova digunakan untuk data RAL yang hanya memiliki satu
perlakuan. Sedangkan Two-Way Anova digunakan untuk data RAK yang terdiri
10 perlakuan berbeda.
4. SPSS merupakan salah satu software yang membantu dalam analisis variansi ini,
melalui SPSS dapat dilakukan empat uji yang akan menetukan apakah suatu data
dapat dilakukan analisis variansi atau tidak.
4.2 Saran
Setelah melakukan percobaan praktikum modul 2 ini, maka praktikan memberikan
beberapa saran untuk praktikum selanjutnya diantaranya :
1. Saat pengambilan data praktikum sedang berlangsung, sebaiknya praktikan
yang melakukan praktek percobaan dan mencatat data percobaan masingmasing satu orang dan lebih teliti dalam melakukannya, supaya menghindari
kesalahan penulisan data.
91

Kelompok 16
2. Saat mengolah data menggunakan software maupun hitungan manual harus

benar-benar teliti agar tidak terjadi kesalahan pada hasil akhir yang terletak
pada kesimpulan apakah uji ANOVA tersebut diterima atau ditolak.
3. Saat membuat analisis praktikan seharusnya bisa dan lebih teliti dalam
memahami dan membaca output software.

92

Laporan Modul 2

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Modul 2

Diunggah oleh

Hak Cipta:

Format Tersedia

Laporan Praktikum Statistika Industri

Modul 2 Analisis Variansi

1.1 Latar Belakang

Laporan Praktikum Statistika Industri

1.2 Tujuan Praktikum

Program Studi Teknik Industri

Laporan Praktikum Statistika Industri

1.3 Metodologi Praktikum

Uji Asumsi Klasik

Kesimpulan dan Saran

Gambar 1.1 Flowchart Metodologi Praktikum

Program Studi Teknik Industri

Laporan Praktikum Statistika Industri

1.4 Sistematika Penulisan

Program Studi Teknik Industri

Laporan Praktikum Statistika Industri

2.1 Analisis Variansi

Definisi Analisis Variansi

Tujuan Analisis Variansi

Laporan Praktikum Statistika Industri

Asumsi-asumsi dalam Uji Analisis Variansi

ketidaknormalan tidak terlalu serius, namun apabila ketidaknormalan

Laporan Praktikum Statistika Industri

2.2 Rancangan Percobaan

Definisi Rancangan Percobaan

Tujuan Rancangan Percobaan

Program Studi Teknik Industri

Laporan Praktikum Statistika Industri

6. Memberikan metode penelitian secara ilmiah dan terbuka untuk dikoreksi

Istilah-istilah dalam Rancangan Percobaan

Satuan percobaan (experimental unit)

Galat percobaan (experimental error)

Peubah bebas yang diduga berpengaruh terhadap respon (jenis

Program Studi Teknik Industri

Laporan Praktikum Statistika Industri

Strategi Rancangan Percobaan

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

Prinsip Dasar Rancangan Percobaan

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

Laporan Praktikum Statistika Industri

Analisis Variansi untuk Rancangan Percobaan

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

Laporan Praktikum Statistika Industri

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

2.3 Uji RAL

Program Studi Teknik Industri

Laporan Praktikum Statistika Industri

Prinsip Dasar RAL

tidak mengikuti suatu pola baris atau lajur tertentu.

Kecuali perlakuan, semua (media percobaan dan keadaan-keadaan lingkungan

lainnya) harus serba sama.

Penempatan perlakuan ke dalam satuan-satuan percobaan dilakukan secara acak

Merupakan rancangan percobaan yang paling sederhana.

Apabila terjadi penyimpangan didalam analisis dan tindakan, interpretasi

Program Studi Teknik Industri

Laporan Praktikum Statistika Industri

kekurangan, kurang lebih diantaranya adalah :

Susah mencari media percobaan dan keadaan- keadaan lingkungan yang

2.4 Uji RAK

diterapkan pada percobaan yang dilakukan pada lingkungan tidak homogen

Prinsip Dasar RAK

acak lengkap, hanya saja berbeda dalam perhitungannya saja.

Program Studi Teknik Industri

Laporan Praktikum Statistika Industri