ANALISIS VARIANCE
DAN KOVARIAN
Analisis varians (disingkat ANOVA) adalah teknik yang sangat berguna mengenai
penelitian di bidang ekonomi, biologi, pendidikan, psikologi, sosiologi, bisnis / industri
dan penelitian dari beberapa disiplin lainnya. Teknik ini digunakan ketika beberapa
contoh kasus yang terlibat. Seperti yang dinyatakan sebelumnya, signifikansi perbedaan
antara sarana dua sampel dapat dinilai baik melalui z-test atau t-tes, tapi kesulitan muncul
ketika kita kebetulan memeriksa signifikansi perbedaan antara lebih dari dua sampel
berarti di waktu yang sama. Teknik ANOVA memungkinkan kita untuk melakukan tes
simultan ini dan dengan demikian dianggap menjadi alat yang penting dari analisis di
tangan seorang peneliti. Dengan menggunakan teknik ini, orang dapat menarik
kesimpulan tentang apakah sampel telah diambil dari populasi memiliki mean yang sama.
Teknik ANOVA penting dalam konteks semua situasi di mana kita ingin membandingkan
lebih dari dua populasi seperti dalam membandingkan hasil tanaman dari beberapa
varietas benih, jarak tempuh bensin empat mobil, kebiasaan merokok dari lima kelompok
universitas mahasiswa dan sebagainya. Dalam keadaan seperti itu salah satu umumnya
tidak ingin mempertimbangkan semua kemungkinan kombinasi dari dua populasi pada
suatu waktu untuk itu akan membutuhkan sejumlah besar tes sebelum kita akan mampu
untuk sampai pada keputusan. Ini juga akan mengkonsumsi banyak waktu dan uang, dan
bahkan hubungan kemudian tertentu dapat dibiarkan tak dikenal (khususnya efek
interaksi). Oleh karena itu, salah satu yang cukup sering menggunakan teknik ANOVA
dan melalui itu menyelidiki perbedaan antara sarana semua populasi secara bersamaan.
APAKAH ANOVA?
Profesor R.A. Fisher adalah orang pertama yang menggunakan istilah 'Variance' * dan,
pada kenyataannya, dialah yang mengembangkan teori yang sangat rumit mengenai
ANOVA, menjelaskan kegunaannya dalam bidang praktis.
* Variance merupakan ukuran statistik penting dan digambarkan sebagai mean dari
kuadrat penyimpangan diambil dari rata-rata dari seri yang diberikan dari data. Ini adalah
ukuran yang sering digunakan variasi. squareroot yang dikenal sebagai standar deviasi,
Dengan demikian, melalui teknik ANOVA satu dapat, secara umum, menyelidiki
sejumlah faktor yang dihipotesiskan atau dikatakan mempengaruhi variabel dependen.
Satu mungkin juga menyelidiki perbedaan antara berbagai kategori dalam masing-masing
faktor yang mungkin memiliki sejumlah besar kemungkinan nilai. Jika kita mengambil
hanya salah satu faktor dan menyelidiki perbedaan antara berbagai kategori yang
memiliki banyak nilai yang mungkin, kita dikatakan menggunakan ANOVA satu arah dan
dalam kasus kami menyelidiki dua faktor pada saat yang sama, maka kita menggunakan
dua arah ANOVA. Dalam dua atau lebih way ANOVA, interaksi (yaitu, antar-hubungan
antara dua variabel independen / faktor), jika ada, antara dua variabel independen yang
mempengaruhi variabel dependen dapat juga dipelajari untuk keputusan yang lebih baik.
Prinsip dasar dari ANOVA adalah untuk menguji perbedaan antara sarana populasi
dengan memeriksa jumlah variasi dalam setiap sampel ini, relatif terhadap jumlah variasi
antara sampel. Dalam hal variasi dalam populasi tertentu, diasumsikan bahwa nilai-nilai
(Xij) berbeda dari rata-rata populasi ini hanya karena efek random yaitu, ada pengaruh
dari (Xij) yang dijelaskan, bahwa dalam memeriksa perbedaan antara populasi kita
berasumsi bahwa perbedaan antara rata-rata populasi j dan mean disebabkan apa yang
disebut 'faktor tertentu' atau apa yang secara teknis disebut sebagai efek pengobatan. Jadi
sementara menggunakan ANOVA, kita mengasumsikan bahwa masing-masing sampel
diambil dari populasi normal dan bahwa masing-masing populasi ini memiliki varians
yang sama. Kami juga menganggap bahwa semua faktor selain satu atau lebih yang diuji
dikendalikan secara efektif. Ini, dengan kata lain, berarti kita menganggap tidak adanya
banyak faktor yang dapat mempengaruhi kesimpulan kita mengenai faktor (s) untuk
dipelajari.
Singkatnya, kita harus membuat dua perkiraan varians populasi yaitu, yang didasarkan
pada antara sampel varians dan lainnya berdasarkan dalam sampel varians. Kemudian
mengatakan dua perkiraan varians populasi dibandingkan dengan F-test, dimana kami
bekerja.
Perkiraan varians populasi berdasarkan sampel antara varians
F
Estimasi varians populasi berdasarkan dalam sampel varians
nilai ini dari F harus dibandingkan dengan F-batas untuk derajat tertentu kebebasan. Jika
nilai F kami bekerja sama atau melebihi * nilai F-batas (dilihat dari F tabel No 4 (a) dan 4
(b) diberikan dalam lampiran), kita dapat mengatakan bahwa ada perbedaan yang
signifikan antara berarti sampel.
TEKNIK ANOVA
Satu arah (atau satu faktor) ANOVA: Di bawah satu arah ANOVA, kita hanya
mempertimbangkan satu faktor dan kemudian mengamati bahwa alasan untuk faktor
dikatakan penting adalah bahwa beberapa kemungkinan jenis sampel dapat terjadi dalam
faktor itu. Kami kemudian menentukan apakah ada perbedaan dalam faktor yang. Teknik
ini melibatkan langkah-langkah berikut:
(I) Mendapatkan mean dari masing-masing i.s. sampel, diperoleh
X1, X 2 , X 3 , ..., X k
No. of samples (k )
Mengambil deviasi dari sampel berarti dari rata-rata dari mean sampel dan menghitung
persegi penyimpangan tersebut yang dapat dikalikan dengan jumlah item dalam sampel
yang sesuai, dan kemudian mendapatkan total mereka. Ini dikenal sebagai jumlah kuadrat
untuk varians antara sampel (atau SS antara). Secara simbolis, ini dapat ditulis:
SS between = n1 FH X 1 - X IK 2 + n 2 FH X 2 - X IK 2 + ... + n k FH X k - X IK 2
Membagi hasil (iii) langkah dengan derajat kebebasan antara sampel untuk mendapatkan
varians atau mean square (MS) antara sampel. Secara simbolis, ini dapat ditulis:
mana (k - 1) merupakan derajat kebebasan (D.F.) antara sampel.
Memperoleh penyimpangan dari nilai-nilai dari item sampel untuk semua sampel dari
yang sesuai sarana sampel dan menghitung kuadrat penyimpangan tersebut dan kemudian
mendapatkan total mereka. Jumlah ini dikenal sebagai jumlah kuadrat untuk varians
dalam sampel (atau SS dalam). Simbolis ini dapat ditulis:
SS within = d X 1i - X 1 i 2 + d X 2 i - X 2 i 2 + ... + d X ki - X k i2
i = 1, 2, 3,
Membagi hasil (v) langkah dengan derajat kebebasan dalam sampel untuk mendapatkan
varians atau mean square (MS) dalam sampel. Secara simbolis, ini dapat ditulis:
Harus diingat bahwa tes ANOVA selalu uji satu-ekor, karena nilai yang dihitung rendah F
dari sampel
Data akan berarti bahwa fit sampel berarti hipotesis nol (yaitu, X 1 X 2 ... X k)
adalah cocok sangat baik.
SS
within
MS within =
( n k)
where (n k) represents degrees of freedom within
samples,
n = total number of items in all the samples i.e., n1 + n2 +
+ nk
k = number of samples.
Untuk cek, jumlah kuadrat dari deviasi untuk total varian juga dapat bekerja dengan
menambahkan kuadrat penyimpangan penyimpangan untuk masing-masing
itemdalam semua sampel telah diambil dari rata-rata sarana sampel. Secara simbolis, ini
dapat ditulis:
The degrees of freedom for total variance will be equal to the number of items in
all samples minus one i.e., (n 1). The degrees of freedom for between and
within must add up to the degrees of freedom for total variance i.e.,
(n 1) = ( k 1) + ( n k)
Fakta ini menjelaskan properti aditif dari teknik ANOVA.
Demi kenyamanan informasi yang diperoleh melalui berbagai langkah yang disebutkan di
atas dapat diletakkan sebagai di bawah:
* Ekstrak meja memberikan F-nilai telah diberikan dalam Lampiran pada akhir buku di
Tabel 4 (a) dan 4 (b).
Table 11.1: Analysis of Variance Table for One-way Anova
(There
Between I 2
samples or n F X - X + ...
1H 1 K
categories
+n F X - X I2
k H k K
Within 1 i2 + ...
samples or d X 1i - X
categories
+ d X ki - X k i2
i = 1, 2, 3,
H K
Total F X ij - X I2
i = 1, 2,
j = 1, 2,
Mengambil total nilai item individu dalam semua sampel yaitu, bekerja AX ij
= 1, 2, 3, ...
= 1, 2, 3, ...
dTj i2
SS between = j = 1, 2, 3,
2
- b Tg
nj n
mana subscript j mewakili sampel atau kategori yang berbeda.
Jumlah kuadrat dalam sampel dapat menemukan dengan mengurangkan hasil (iv)
langkah dari hasil (iii) langkah yang disebutkan di atas dan dapat ditulis sebagai di
bawah:
R 2U
|2 bg |
T
SS within = S Xij - V-
| n |
T W
Setelah melakukan semua ini, tabel ANOVA dapat diatur dengan cara yang sama seperti
yang dijelaskan sebelumnya.
METODE PENGKODEAN
Metode pengkodean adalah kelanjutan dari metode short-cut. Hal ini didasarkan pada
sifat penting dari F-rasio yang nilainya tidak berubah jika semua n nilai barang yang baik
dikalikan atau dibagi dengan angka yang sama atau jika sosok umum adalah baik
ditambahkan atau dikurangi dari masing-masing n nilai item yang diberikan . Melalui
metode ini angka besar dikurangi besarnya dengan pembagian atau pengurangan dan
pekerjaan komputasi disederhanakan tanpa gangguan dari F-ratio. Metode ini harus
digunakan khususnya ketika angka yang diberikan besar atau nyaman. Setelah angka
yang diberikan dikonversi dengan bantuan beberapa tokoh umum, maka semua langkah-
langkah dari metode short-cut disebutkan di atas dapat diadopsi untuk memperoleh dan
menafsirkan F-ratio.
ilustrasi 1
Mendirikan sebuah analisis tabel varians untuk berikut per data produksi acre selama tiga
varietas gandum, masing-masing tumbuh di 4 plot dan negara jika berbagai perbedaan
yang signifikan.
A B C
1 6 5 5
2 7 5 4
3 3 3 3
4 8 7 4
Solusi: Kita dapat memecahkan masalah dengan metode langsung atau dengan metode
short-cut, tetapi dalam setiap kasus kita akan mendapatkan hasil yang sama. Kami
mencoba bawah kedua metode.
Solusi melalui metode langsung: Pertama kita menghitung rata-rata dari masing-masing
sampel ini:
X1 = 6 + 7 + 3 + 8 = 6 4
X 2 = 5+5+3+7=54
X 3 = 5+4+3+4=44
X1 +X2 +X3
Mean of the sample means or X =
k
= 6+5+4 = 5
3
SS between = n1 FH X 1 - X IK 2 + n 2 FH X 2 - X IK 2 + n 3 FH X 3 - X IK 2
4(6 5) 2 + 4(5 5) 2 + 4(4 5) 2
4+0+4
SS within = d X 1i - X 1 i2+dX2i - X 2 i 2 + d X 3i -
= {(6 6) 2 + (7 6) 2 + (3 6) 2 + (8 6) 2}
+ {(5 5) 2 + (5 5) 2 + (3 5) 2 + (7 5) 2}
+ {(5 4) 2 + (4 4) 2 + (3 4) 2 + (4 4) 2}
= {0 + 1 + 9 + 4} + {0 + 0 + 4 + 4} + {1 + 0 + 1
+ 0} = 14 + 8 + 2 = 24
Atau, itu (SS total varians) juga dapat bekerja dengan demikian:
8 + 24
32
Between 4.00/2.67
sample 8 (3 1) = 2 8/2 = 4.00 = 1.5 F(2, 9) = 4.26
Within sample 24 (12 3) = 9 24/9 = 2.67
Total 32 (12 1) = 11
Tabel di atas menunjukkan bahwa nilai yang dihitung dari F adalah 1,5 yang kurang dari
nilai tabel 4,26 pada tingkat 5% dengan D.F. menjadi v1 = 2 dan v2 = 9 dan karenanya
bisa muncul karena kebetulan. Analisis ini mendukung hipotesis nol tidak ada perbedaan
adalah mean sampel. Kita mungkin, oleh karena itu, menyimpulkan bahwa perbedaan
dalam output gandum karena varietas tidak signifikan dan hanya masalah kesempatan.
Solusi melalui metode pintas: Dalam hal ini kita pertama mengambil total dari semua
nilai-nilai individu n item dan menyebutnya sebagai T.
dan n = 12
Oleh karena itu, faktor koreksi = (T) 2 / n = 60 60/12 = 300. Sekarang jumlah SS, SS
antara dan SS dalam dapat bekerja sebagai di bawah:
Total SS = X ij2 - b T g2 i = 1, 2, 3,
n
j = 1, 2, 3,
332 300 = 32
SS between = dTj i2 - b T g2
nj n
F 24 24 I F 20 20I F 16 16I F 60 60I
=G J +G J +G J -G J
H 4K H 4K H 4 K H 12 K
144 + 100 + 64 300
2
2
SS within = X ij - dTj i
n
j
332 308
24
Dapat dicatat bahwa kita mendapatkan hasil yang sama persis seperti yang kita telah
diperoleh dalam kasus metode langsung. Mulai sekarang dan seterusnya kita dapat
mengatur meja ANOVA dan menafsirkan F-rasio dalam cara yang sama seperti yang telah
kita lakukan dengan metode langsung.
Dua arah teknik ANOVA digunakan ketika data diklasifikasikan atas dasar dua faktor.
Sebagai contoh, hasil pertanian dapat diklasifikasikan atas dasar berbagai varietas benih
dan juga atas dasar varietas yang berbeda dari pupuk yang digunakan. Sebuah perusahaan
bisnis mungkin memiliki data penjualan diklasifikasikan berdasarkan salesman yang
berbeda dan juga atas dasar penjualan di berbagai daerah. Di pabrik, berbagai unit produk
yang dihasilkan selama periode tertentu dapat diklasifikasikan atas dasar varietas yang
berbeda dari mesin yang digunakan dan juga atas dasar nilai yang berbeda dari tenaga
kerja. desain dua arah tersebut mungkin telah mengulangi pengukuran masing-masing
faktor atau tidak mungkin nilai-nilai diulang. Teknik ANOVA sedikit berbeda dalam hal
pengukuran ulang di mana kami juga menghitung variasi interaksi. Kita sekarang akan
menjelaskan dua arah teknik ANOVA dalam konteks baik desain mengatakan dengan
bantuan contoh.
(A) teknik ANOVA dalam konteks desain dua arah ketika nilai-nilai diulang tidak ada:
Seperti yang kita tidak memiliki nilai berulang, kita tidak bisa langsung menghitung
jumlah kuadrat dalam sampel seperti yang telah kami lakukan dalam kasus ANOVA satu
arah. Oleh karena itu, kita harus menghitung ini residual atau kesalahan variasi dengan
pengurangan, setelah kami telah menghitung (hanya pada baris yang sama seperti yang
kita lakukan dalam kasus ANOVA satu arah) jumlah kuadrat total varians dan untuk
varians antara varietas satu perawatan sebagai juga untuk varians antara varietas
pengobatan lainnya.
Berbagai langkah yang terlibat adalah sebagai berikut:
Mengambil total nilai masing-masing item (atau nilai-nilai mereka dikodekan sebagai
kasus mungkin) di semua sampel dan menyebutnya T.
Mengambil total baris yang berbeda dan kemudian mendapatkan persegi setiap jumlah
baris dan membagi nilai-nilai kuadrat seperti setiap baris dengan jumlah item dalam baris
yang sesuai dan mengambil total hasil yang diperoleh. Akhirnya, kurangi faktor koreksi
dari jumlah ini untuk mendapatkan jumlah kuadrat dari deviasi untuk varians antara baris
(atau SS antara baris).
Jumlah kuadrat dari deviasi untuk varian residual atau kesalahan dapat bekerja dengan
mengurangi hasil dari jumlah (v) th dan (vi) th langkah dari hasil (iv) th langkah yang
disebutkan di atas. Dengan kata lain,
Total SS - (SS antara kolom + SS antara baris)
r = jumlah baris
(Ix) tabel ANOVA dapat diatur dengan cara biasa seperti yang ditunjukkan di bawah ini:
Table 11.3: Analysis of Variance Table for Two-way Anova
2
Between 2 SS between MS between
columns dTj i - b Tg (c 1) columns columns
n
treatment j n (c 1) MS residual
SS between MS between
Between bTi 2 bT2 (r 1) rows rows
g g
rows -
treatment ni n (r 1) MS residual
bT g2
Total Xij2 - n (c.r 1)
Dengan demikian, MS residual atau residual variance memberikan dasar bagi F-rasio
mengenai variasi antara pengobatan kolom dan antara pengobatan baris. MS residual
selalu karena fluktuasi sampling, dan karenanya berfungsi sebagai dasar untuk uji
signifikansi. Kedua F-rasio yang dibandingkan dengan nilai tabel terkait mereka, untuk
derajat keterberian kebebasan pada tingkat tertentu signifikansi, seperti biasa dan jika
ditemukan bahwa dihitung F-rasio mengenai variasi antara kolom sama dengan atau lebih
besar dari meja nya nilai, maka perbedaan antara kolom berarti dianggap signifikan.
Demikian pula, F-rasio mengenai variasi antara baris dapat diartikan.
ilustrasi 2
Mendirikan sebuah analisis tabel varians untuk hasil desain dua arah berikut:
(in metric
tonnes)
Varieties of seeds A B C
Varieties of fertilizers
W 6 5 5
X 7 5 4
Y 3 3 3
Z 8 7 4
Juga menyatakan apakah berbagai perbedaan yang signifikan pada tingkat 5%.
Solusi: Seperti masalah yang diberikan adalah desain dua arah percobaan tanpa nilai-nilai
diulang, kita akan mengadopsi semua langkah yang dinyatakan di atas saat menyiapkan
meja ANOVA seperti yang digambarkan pada halaman berikut.
tabel ANOVA dapat diatur untuk masalah yang diberikan seperti yang ditunjukkan pada
Tabel 11.5.
Dari tabel ANOVA mengatakan, kami menemukan bahwa perbedaan mengenai varietas
benih tidak signifikan pada tingkat 5% sebagai dihitung F-rasio 4 adalah kurang dari nilai
tabel 5.14, namun perbedaan berbagai mengenai pupuk yang signifikan sebagai dihitung
F- rasio 6 lebih dari nilai tabel nya 4,76.
(B) teknik ANOVA dalam konteks desain dua arah ketika nilai-nilai diulang yang ada:
Dalam kasus desain dua arah dengan pengukuran berulang untuk semua kategori, kita
dapat memperoleh ukuran independen yang terpisah dari yang melekat atau variasi
terkecil. Untuk ukuran ini kita dapat menghitung jumlah kuadrat dan derajat kebebasan
dengan cara yang sama seperti yang kita telah bekerja di luar jumlah kuadrat untuk
varians dalam sampel dalam kasus ANOVA satu arah. Total SS, SS antara kolom dan SS
antara baris juga dapat bekerja sebagaimana dinyatakan di atas. Kami kemudian
menemukan jumlah kiri-atas dari kotak dan derajat kiri-atas kebebasan yang digunakan
untuk apa yang dikenal sebagai 'variasi interaksi' (Interaksi adalah ukuran hubungan antar
antara dua klasifikasi yang berbeda). Setelah membuat semua perhitungan ini, tabel
ANOVA dapat diatur untuk menarik kesimpulan. Kami menggambarkan hal yang sama
dengan contoh.
Tabel 11.4: Perhitungan untuk dua arah Anova (dalam desain tanpa nilai-nilai diulang)
T2
T = 60, n = 12, \ Correction b g 60 60
factor = n = = 300
12
F 60 60I
Total SS = (36 + 25 + 25 + 49 + 25 + 16 + 9 + 9 + 9 +
64 + 49 + 16) G 12 J
H K
= 332 300
= 32
L24 24 + 20 20 + 16 16 O - L60 60 O
SS between columns P M P
treatment = M 1
N 4 4 4 Q N 2 Q
= 144 + 100 + 64
300
=8
L16 16 16 16 9 9 19 19 O L60 60 O
SS between rows =
treatment M + + + P-M P
N 3 3 3 3 Q N 12 Q
Table 11.5: The Anova Table
Source of
variation SS d.f. MS F-ratio 5% F-limit (or the
tables values)
Between columns 8 (3 1) = 2 8/2 = 4 4/1 = 4 F(2, 6) = 5.14
(i.e., between
varieties
of seeds)
(4 18/3 =
Between rows 18 1) = 3 6 6/1 = 6 F(3, 6) = 4.76
(i.e., between
varieties
of fertilizers)
(3
Residual or error 6 1) 6/6=1
(4
1) = 6
(3 1 =
Total 32 4) 11
lustrasi 3
Mengatur meja ANOVA untuk informasi berikut yang berkaitan dengan tiga obat
pengujian untuk menilai efektivitas dalam mengurangi tekanan darah untuk tiga
kelompok yang berbeda dari orang:
Group of People A 14 10 11
15 9 11
B 12 7 10
11 8 11
C 10 11 8
11 11 7
Solusi: Kami pertama kali membuat semua perhitungan yang diperlukan seperti yang
ditunjukkan di bawah ini:
Kita bisa mengatur meja ANOVA ditunjukkan pada Tabel 11.7 (Page 269).
Tabel 11.6: Perhitungan untuk dua arah Anova (di desain dengan nilai-nilai diulang)
187
T = 187, n = 18, thus, the correction 187
Step (i) factor 1942.72
18
Step (ii)Total SS = [(14)2 + (15)2 + (12)2 + (11)2 + (10)2 + (11)2 + (10)2 +(9)2 + (7)2 + (8)2 + (11)2 + (11)2
+ (11)2
L 187 2 O
b g
2 2 2 2 2
+ (11) + (10) + (11) + (8) + (7) ] M P
M 18 P
N Q
= (2019 1942.72)
= 76.28
56
L73 73 56 58 58O L b g2 O
Step SS between columns (i.e., between 187
(iii) drugs) M P M P
N 6 6 6 Q M 18 P
N Q
= 888.16 + 522.66 + 560.67
1942.72
=
28.77
58 58
L70 70 59 59 O Lb g 2 O
Step SS between rows (i.e., between P M187 P
(iv) people) M
N 6 6 6 Q M 18 P
N Q
= 816.67 + 580.16 + 560.67
1942.72
=
14.78
SS within samples = (14 14.5) 2 + (15 14.5) 2 + (10 9.5) 2 + (9 9.5) 2 + (11 11) 2 +
Step (v) (11 11) 2
Source of
variation SS d.f. MS F-ratio 5% F-limit
Between 28.7
columns (i.e. , 28.77 (3 1) = 2 7 14.385 F (2, 9) = 4.26
0.38
between drugs) 2 9
= 14.385 = 36.9
Between rows 14.7
(i.e. , between 14.78 (3 1) = 2 8 7.390 F (2, 9) = 4.26
0.38
people) 2 9
= 7.390 = 19.0
Source of F-
variation SS d.f. MS ratio 5% F-limit
29.2 7.
29.23 3 308
*
Interaction 4* 0.38 F (4, 9) = 3.63
4 9
Within 350
.
samples 3.50 (18 9) = 9
(Error) 9
= 0.389
* Angka-angka ini kiri-atas angka dan telah diperoleh dengan mengurangkan dari kolom
berjumlah total semua nilai lain dalam kolom kata. Dengan demikian, interaksi SS =
(76,28) - (28,77 + 14,78 + 3,50) = 29,23 dan interaksi derajat kebebasan = (17) - (2 + 2 +
9) = 4.
Tabel di atas menunjukkan bahwa semua tiga F-rasio yang signifikan dari tingkat 5%
yang berarti bahwa obat bertindak berbeda, kelompok yang berbeda dari orang yang
terkena dampak berbeda dan istilah interaksi signifikan. Bahkan, jika istilah interaksi
terjadi menjadi signifikan, tidak ada gunanya berbicara tentang perbedaan antara berbagai
perawatan yaitu, perbedaan antara obat atau perbedaan antara kelompok orang dalam
kasus tertentu.
Metode grafis belajar interaksi dalam desain dua arah: Interaksi dapat dipelajari dalam
desain dua arah dengan pengukuran ulang melalui metode grafis juga. Untuk grafik
seperti kita harus memilih salah satu faktor yang akan digunakan sebagai sumbu X.
Kemudian kita plot rata-rata untuk semua sampel pada grafik dan menghubungkan rata-
rata untuk masing-masing berbagai faktor lain dengan tanda yang berbeda (atau garis
berwarna). Jika garis penghubung tidak menyeberang satu sama lain, maka grafik
menunjukkan bahwa tidak ada interaksi, namun jika garis melakukan cross, mereka
menunjukkan interaksi yang pasti atau antar-hubungan antara dua faktor. Mari kita
menggambar grafik tersebut untuk data ilustrasi 3 dari bab ini untuk melihat apakah ada
interaksi antara dua faktor yaitu, obat dan kelompok orang.
Y-axis Groups of
People
A
21
B
19 C
17
15
13
11
7 X-
5 axis
X Y Z
Atau, grafik dapat ditarik dengan mengambil kelompok yang berbeda dari orang-orang di
X-axis dan menggambar garis untuk berbagai obat melalui rata-rata.
Grafik menunjukkan bahwa ada interaksi yang signifikan karena garis penghubung yang
berbeda untuk kelompok orang menyeberang satu sama lain. Kami menemukan bahwa A
dan B yang terpengaruh sangat mirip, tapi C dipengaruhi berbeda. Penurunan tertinggi
tekanan darah dalam kasus C adalah dengan obat Y dan pengurangan terendah adalah
dengan Z obat, sedangkan penurunan tertinggi tekanan darah pada kasus A dan B adalah
dengan obat X dan pengurangan terendah adalah dengan Y. obat demikian , ada yang
pasti antar-hubungan antara obat dan kelompok orang dan satu tidak bisa membuat
pernyataan yang kuat tentang narkoba kecuali dia juga memenuhi syarat kesimpulan
dengan menyatakan yang sekelompok orang-orang yang berurusan dengan. Dalam situasi
seperti itu, melakukan F-tes berarti. Tetapi jika garis tidak menyeberang satu sama lain
(dan tetap kurang lebih sama), maka tidak ada interaksi atau interaksi tidak dianggap
sebagai nilai signifikan besar, dalam hal ini peneliti harus melanjutkan untuk menguji
efek utama, obat-obatan dan orang dalam kasus tertentu, seperti yang dinyatakan
sebelumnya.
desain latin persegi adalah desain eksperimental sering digunakan dalam penelitian
pertanian. Dalam desain seperti perawatan begitu dialokasikan antara plot yang ada
perlakuan terjadi, lebih dari sekali dalam satu baris atau satu kolom. Teknik ANOVA
dalam kasus desain Latin-square tetap kurang lebih sama seperti yang kita telah
menyatakan dalam kasus desain dua arah, kecuali fakta bahwa varian tersebut terbagi
menjadi empat bagian seperti di bawah:
varians residual.
Semua varian ini dinyatakan di atas yang bekerja keluar seperti di bawah:
bT
Variance between d Tj i2 g2
-
columns or MS SS between
n
between columns j n columns
= b =
c - 1g
d. f.
b Ti
Variance between g2 b T g2
rows or MS - SS between
between rows ni n rows
b g
= r -1 = d. f.
T
Variance between b v g2 - bT2
g
varieties or MS SS between
n
between varieties v n varieties
b g
= v-1 = d. f.
* Di tempat c kita bisa juga menulis r atau v karena dalam bahasa Latin persegi desain cr
= v.
ilustrasi 4
A D C B
19 19 21 18
B A D C
19 14 17 20
D C B A
17 20 21 15
Solusi: Menggunakan metode coding, kita kurangi 20 dari angka yang diberikan pada
masing-masing kotak kecil dan mendapatkan angka kode seperti di bawah:
Columns Row totals
1 2 3 4
C B A D
1 8
5 3 0 0
A D C B
2 2
1 1 1 2
Rows
B A D C
3 10
1 6 3 0
D C B A
4 7
3 0 1 5
Colum
n
0 4 1 7 T = 12
totals
Squares
of
coded Sum
figures of
square
Column s
s
1 2 3 4
C B A D
1
25 9 0 0 34
A D C B
2
1 1 1 4 7
Rows
B A D C 46
3
1 36 9 0
D C B A
4 35
9 0 1 25
Sum
of
squar 36 46 11 29 T= 122
es
Fig. 11.2
(b)
Correction
factor = b T g 2 = b - 12g b -12g =9
n 16
SS for total
variance = d X ij i2 - b T g2 = 122 - 9 = 113
n
= - S + + + V-9
ni n | 4 4 4 4 |
T W
SS untuk varians antara varietas akan bekerja sebagai di bawah :
Untuk menemukan SS untuk varians antara varietas, pertama kita akan mengatur ulang
data dikodekan dalam bentuk berikut:
Yield in different parts of
Varieties of field Total (Tv)
wheat
I II III IV
A 1 6 0 5 12
B 1 3 1 2 1
C 5 0 1 0 6
D 3 1 3 0 7
Sekarang kita bisa bekerja di luar SS untuk varians antara varietas seperti di bawah:
SS fo
R 2
|b g bg
-12 1
=S +
| 4
T
2
=
4
\ Sum of squares for residual variance will work out to
Source of SS d.f.
variation
Between
7.50 3
columns
Between
46.50 3
rows
48.5 16.1
Between 0 7
48.50 3 = 16.17 = 9.24 F (3, 6) = 4.76
varieties 3 1.75
10.5
Residual 0
10.50 6 = 175.
or error 6
Total 113.00 15
Tabel di atas menunjukkan bahwa varians antara baris dan varians antara varietas yang
signifikan dan bukan karena faktor kebetulan pada tingkat signifikansi 5% sebagai nilai-
nilai yang dihitung dari kata dua varians adalah 8.85 dan 9.24 masing-masing yang lebih
besar dari nilai tabel 4.76. Tapi varians antara kolom tidak signifikan dan karena
kebetulan karena nilai yang dihitung dari 1,43 kurang dari nilai tabel 4.76.
Obyek desain eksperimental pada umumnya terjadi menjadi untuk memastikan bahwa
hasil yang diamati mungkin dikaitkan dengan variabel perlakuan dan situasi kausal
lainnya. Misalnya, peneliti mempelajari satu variabel independen, X, mungkin ingin
mengontrol pengaruh beberapa variabel yang tidak terkendali (kadang-kadang disebut
kovariat atau variabel bersamaan), Z, yang dikenal berkorelasi dengan variabel dependen,
Y, maka ia harus menggunakan teknik analisis kovarians untuk evaluasi yang valid dari
hasil percobaan. "Dalam psikologi dan pendidikan kepentingan utama dalam analisis
kovarians terletak dalam penggunaannya sebagai prosedur untuk kontrol statistik variabel
yang tidak terkendali." 2
ANOCOVA TEKNIK
Sambil menerapkan teknik ANOCOVA, pengaruh variabel yang tidak terkendali biasanya
dihilangkan dengan metode regresi linear sederhana dan jumlah sisa kotak yang
digunakan untuk memberikan perkiraan varians yang pada gilirannya digunakan untuk
membuat uji signifikansi. Dengan kata lain, analisis kovarians terdiri mengurangi dari
masing-masing individu skor (Yi) yang sebagian darinya Yi' yang diprediksi dari variabel
yang tidak terkendali (Zi) dan kemudian menghitung analisis biasa varians pada
dihasilkan (Y - Y') yang 's , tentu saja membuat penyesuaian karena derajat kebebasan
karena fakta bahwa estimasi menggunakan metode regresi diperlukan.
2 George A-Ferguson, Analisis Statistik Psikologi dan Pendidikan, 4th ed., P. 347.
* Derajat kebebasan yang terkait dengan jumlah disesuaikan dari kotak akan seperti di
bawah:
Betwee
n k1
N k
within 1
Total N2
ilustrasi 5
X Y X Y X Y
7 2 15 8 30 15
6 5 24 12 35 16
9 7 25 15 32 20
15 9 19 18 38 24
12 10 31 19 40 30
Y adalah kovariat (atau bersamaan) variabel. Hitung total disesuaikan, dalam kelompok
dan antar kelompok, jumlah kuadrat dari X dan menguji signifikansi perbedaan antara
sarana disesuaikan pada X dengan menggunakan sesuai F-ratio. Juga menghitung sarana
disesuaikan pada X.
Solusi: Kami menerapkan teknik analisis kovarians dan bekerja di luar langkah-langkah
terkait seperti di bawah:
Group I Group II Group III
X Y X Y X Y
7 2 15 8 30 15
6 5 24 12 35 16
9 7 25 15 32 20
15 9 19 18 38 24
12 10 31 19 40 30
Y = 33 + 72 + 105 = 210
Correction factor for Y = b Y g2 = 2940
N
2 2
X = 9476 Y = 3734 XY = 5838
Correction factor for XY = X Y
N
Hence, total SS for X = X 2 correction factor for = 9476 7616.27 = 1859.73
R 2
|b g
49
SS between for X = S +
| 5
T
= 4732
512 1588.13
ANOVA meja untuk X, Y dan XY sekarang dapat diatur seperti yang ditunjukkan di bawah ini:
(1859.73) (1540.60)
319.13
b E XY g2
Adjusted SS within group = E
XX -
E
YY
2
= 271.60 - b198g 274 .40
(319.13 128.73)
190.40
Between
groups 2 190.40 95.2 8.14
Within group 11 128.73 11.7
Total 13 319.13
Pada tingkat% 5, nilai tabel F untuk v1 = 2 dan v2 = 11 3.98 dan pada tingkat 1% nilai tabel F
adalah 7.21. Kedua nilai-nilai ini kurang dari nilai yang dihitung (yaitu, nilai yang dihitung dari
8.14 lebih besar dari nilai tabel) dan sesuai kita menyimpulkan bahwa F-ratio signifikan pada
kedua tingkat yang berarti perbedaan dalam kelompok berarti signifikan.
berarti disesuaikan kelompok di X = (Akhir rata) - b (deviasi dari mean awal dari rata-rata umum
dalam kasus Y)
Karenanya,
berarti disesuaikan untuk kelompok I = (9.80) - 0,7216 (-7,4) = 15,14 Disesuaikan berarti bagi
Kelompok II = (22.80) - 0,7216 (0,40) = 22,51 disesuaikan berarti bagi Kelompok III = (35.00) -
0,7216 (7,00) = 29,95
pertanyaan
(A) Jelaskan arti dari analisis varians. Jelaskan secara singkat teknik analisis varians untuk satu
arah dan dua arah klasifikasi.
Apa yang Anda maksud dengan properti aditif dari teknik analisis varians? Jelaskan bagaimana
teknik ini lebih unggul dibandingkan dengan sampling.
Berikut diberikan hasil per acre gandum selama enam plot memasuki kompetisi tanaman, ada
plot yang ditaburkan dengan gandum dari berbagai A dan tiga dengan B.
Yields in fields per
Variety acre
1 2 3
A 30 32 22
B 20 18 16
engatur meja analisis varians dan menghitung F. Negara apakah perbedaan antara hasil dari dua
varietas signifikan mengambil 7.71 sebagai nilai tabel F pada tingkat 5% untuk v1 = 1 dan v2 =
4.
Sebuah pupuk tertentu digunakan pada empat bidang tanah A, B, C dan D. Empat tempat tidur
yang disiapkan di masing-masing plot dan pupuk yang digunakan. Output dari tanaman di tempat
tidur plot A, B, C dan D diberikan di bawah ini:
Output on
Plots
A B C D
8 9 3 3
12 4 8 7
1 7 2 8
3 1 5 2
Cari tahu apakah perbedaan dalam cara produksi tanaman dari plot adalah signifikan atau tidak.
Menyajikan kesimpulan Anda setelah melakukan analisis varian untuk hasil sebagai berikut
percobaan desain Latin-alun dilakukan sehubungan lima pupuk yang digunakan pada bidang
kesuburan yang berbeda.
A B C D E
16 10 11 09 09
E C A B D
10 09 14 12 11
B D E C A
15 08 08 10 18
D E B A C
12 06 13 13 12
C A D E B
13 11 10 07 14
6 2 6
7 4 8
6 5 9
3 5
4
Total 19 18 28
Three varieties of wheat W1, W2 and W3 are treated with four different fertilizers viz., f1, f2, f3
and f4. The yields of wheat per acre were as under:
Analysis of Variance and Co-
variance 281
Varieties of
Fertilizer treatment wheat Total
W W W
1 2 3
f1 55 72 47 174
f2 64 66 53 183
f3 58 57 74 189
f4 59 57 58 174
Total 236 252 232 720
Mengatur meja untuk analisis varian dan bekerja di luar F-rasio sehubungan dengan di atas.
Adalah F-rasio yang signifikan?
Tabel berikut memberikan penjualan bulanan (dalam ribuan rupiah) dari sebuah perusahaan
tertentu di tiga negara oleh empat salesman nya:
States Salesmen Total
A B C D
X 5 4 4 7 20
Y 7 8 5 4 24
Z 9 6 6 7 28
Total 21 18 15 18 72
Mendirikan sebuah analisis tabel varians untuk informasi di atas. Hitung F-koefisien dan negara
apakah perbedaan antara penjualan dipengaruhi oleh empat salesman dan perbedaan antara
penjualan terpengaruh dalam tiga Serikat yang signifikan.
Tabel berikut menggambarkan penilaian kesehatan psikologis sampel dari eksekutif perusahaan
di bidang Perbankan. Manufaktur dan fashion ritel:
Banking 41 53 54 55 43
Manufacturing 45 51 48 43 39
Fashion
retailing 34 44 46 45 51
Bisakah kita mempertimbangkan kesehatan psikologis eksekutif perusahaan dalam tiga bidang
yang diberikan harus sama pada tingkat signifikansi 5%?
11. Tabel berikut menunjukkan kehidupan di jam lampu listrik yang dipilih secara acak dari
empat batch:
Lives in
Batch hours
1 1600 1610 1650 1680 1700 1720 1800
2 1580 1640 1640 1700 1750
3 1450 1550 1600 1620 1640 1660 1740 1820
4 1510 1520 1530 1570 1600 1680
Lakukan analisis varians dari data ini dan menunjukkan bahwa tes signifikansi tidak menolak
mereka
Adalah variasi interaksi yang signifikan dalam hal informasi berikut mengenai jarak tempuh
berdasarkan berbagai merek bensin dan mobil?
Brands of
gasoline
W X Y Z
A 13 12 12 11
11 10 11 13
Cars B 12 10 11 9
13 11 12 10
C 14 11 13 10
13 10 14 8
Berikut ini dipasangkan pengamatan selama tiga kelompok eksperimen tentang sebuah
eksperimen yang melibatkan tiga metode pengajaran dilakukan pada satu kelas.
Method A to Group I Method B to Group II Method C to Group III
X Y X Y X Y
33 20 35 31 15 15
40 32 50 45 10 20
40 22 10 5 5 10
32 24 50 33 35 15
X merupakan pengukuran awal dari prestasi dalam subjek dan Y pengukuran final setelah subjek
telah diajarkan. 12 murid ditugaskan secara acak untuk 3 kelompok 4 siswa masing-masing, satu
kelompok dari satu metode seperti yang ditunjukkan dalam tabel.
Menerapkan teknik analisis kovarians untuk menganalisis hasil eksperimen dan kemudian
menyatakan apakah metode pengajaran berbeda secara signifikan pada tingkat 5%. Juga
menghitung sarana disesuaikan pada Y.
[Ans: F-ratio tidak signifikan dan karenanya tidak ada perbedaan karena metode pengajaran.