BAB I

PENDAHULUAN

1.1 Latar Belakang

Penerapan statistika tidak hanya dibutuhkan dalam ilmu pengetahuan tapi juga
dapat diterapkan dalam kehidupan sehari-hari, utamanya dalam hal pengambilan
keputusan, Untuk mengatasi hal tersebut salah satu metode yang dapat digunakan
adalah statistic inferensia parametrik. Penerapan statistik inferensia parametrik
dapat membantu seseorang dalam mengambil suatu keputusan dalam kondisi
tertentu, misalnya dalam menguji hipotesis kejadian berdasarkan rata-rata. Dari hal
tersebut juga dapat dianalisis melalui variansnya. Analisis varians atau ANOVA
merupakan suatu teknik statistik berfungsi membandingkan rata-rata dari dua atau
lebih populasi berdasarkan pengujian sampel dengan perlakuan.
Dalam praktikum ini dilakukan pengujian hipotesis dengan membandingkan rata-
rata dan two way ANOVA. Untuk pengujian statistik parametrik, dilakukan uji
perbedaan rata-rata one sample t-test mengenai rata-rata konsumsi kalori per
kapita dari 60 negara sama dengan 1800 kcal (berdasarkan standar FAO) yang
diambil dari data sekunder. Sedangkan untuk two way ANOVA, akan dilakukan
pengujian dengan pengambilan data primer dari eksperimen menggunakan
statapult. Data ini kemudian akan diolah dengan metode perhitungan manual
maupun software serta dilakukan penarikan kesimpulan yang nantinya akan sangat
membantu dalam menyelesaikan berbagai masalah di lingkungan sekitar.

1.2 Batasan Praktikum

Batasan dalam praktikum statistik parametrik inii adalah sebagai berikut.
1. Jumlah data untuk one sample t-test adalah 60 data dari sampel.
2. Jumlah data two way ANOVA adalah 18 data dengan 3 level factor stop pit dan 2
level factor lubang pin dimana masing-masing level factor berjumlah 3 replikasi.

1.3 Asumsi Praktikum

Asumsi dari praktikum Statistik Parametrik ini adalah:
1. Nilai sebesar 0,05.

1.4 Tujuan
Tujuan dari praktikum statistik parametrik ini adalah sebagai berikut:
1. Untuk mengetahui apakah ada perbedaan rata-rata dari 60 negara dengan 1800
kcal standar yang ditetapkan FAO, dengan menggunakan uji hipotesis One
Sample t-test.
2. Untuk mengetahui apakah ada perbedaan rata-rata dari jarak pelemparan bola
ping-pong menggunakan statapult, dengan uji hipotesis Two way ANOVA
menggunakan factor stop pit dan faktor lubang pin.

1.5 Manfaat
Manfaat dari praktikum statistik parametrik ini adalah sebagai berikut.
1. Dapat menerapkan uji hipotesis rata-rata dalam kehidupan sehari-hari.
2. Dapat menerapkan uji Two Way ANOVA dalam kehidupan sehari-hari.
 BAB II
TINJAUAN PUSTAKA
2.1 Statistik Inferensia
Statistik inferensia merupakan suatu metode untuk membuat keputusan
berdasarkan probabilitas benar atau salah dari suatu hipotesis statistik melalui
pengamatan sampel dari suatu populasi (Krik,2008:259).

2.2 Pengujian Parametrik (Statistik Paramerik)

Pengujian parametrik (statistik parametrik) adalah uji statistik untuk parameter
populasi seperti mean, varians, dan proporsi yang menggunakan beberapa asumsi
dari populasi dimans sampel diambil. Salah satau asumsinya yaitu sampel yang
diambil dari suatu populasi adalah berdistribusi normal (Bluman, 2012:672).

2.2.1 Pengujian Hipotesis

Hipotesis statistik adalah pernyataan atau dugaan mengenai satu atau lebih
populasi. (Walpole, 2011:319). Menurut Bluman (2012:401), terdapat dua jenis
hipotesis statistik yaitu: hipotesis nol dan hipotesis alternative.

1. Hipotesis nol, disimbolkan dengan

H 0 , adalah hipotesis statistik yang

menyatakan bahwa tidak ada perbedaan antara suatu parameter dengan suatu
nilai tertentu, atau bahwa tidak ada perbedaan antara dua parameter.

2. Hipotesis alternative, disimbolkan dengan

H 1 , adalah hipotesis yang

menyatakan bahwa ada perbedaan antara suatu parameter dengan suatu nilai
tertentu, atau bahwa ada perbedaan antara dua parameter.

2.2.2 Prosedur Pengujian Hipotesis

Menurut Walpole (2011:334), langkah-langkah dalam pengujian hipotesis adalah

seperti di bawah ini :
1. Menyatakan hipotesis nol, dan alternatif (formulasi hipotesis)

2. Menentukan taraf signifikasi (

3. Menentukan arah pengujian berdasarkan nilai

4. Melakukan uji statistik

5. Menarik kesimpulan berdasarkan hasil uji statistik

2.2.3 Jenis Pengujian Hipotesis

Terdapat dua jenis pengujian hipotesis, yang akan dijelaskan seperti di bawah
ini:

2.2.3.1 Berdasarkan Jenis Parameter

Berdasarkan jenis parameter yang digunakan, pengujian hipotesis dapat

dibedakan menjadi 3, yaitu:
1. Pengujian hipotesis tentang rata-rata

Pengujian hipotesis tentang rata-rata adalah pengujian hipotesis mengenai rata-

rata populasi yang didasarkan atas informasi sampelnya (Bluman, 2012:413).
2. Pengujian hipotesis proporsi

Pengujian hipotesis tentang proporsi adalah pengujian hipotesis mengenai

proporsi populasi yang didasarkan atas informasi sampelnya (Bluman, 2012:437)
3. Pengujian hipotesis tentang varians

Pengujian hipotesis tentang varians adalah pengujian hipotesis mengenai

varians populasi yang didasarkan atas informasi sampelnya (Bluman, 2012:445).

2.2.3.2 Berdasarkan Arah Pengujian

Berdasarkan arah formulasi hipotesis, pengujian hipotesis dapat dibedakan menjadi

2, yaitu :
1. Pengujian hipotesis dua arah

Pada uji hipotesis dua arah, hipotesis nol ditolak ketika nilai uji statistik berada

pada salah satu dari daerah penolakan

H 0 . Uji dua arah digunakan ketika

pengamat tidak memiliki informasi yang cukup untuk melakukan prediksi terhadap
fenomena yang diamati, hanya meyakini bahwa parameternya tidak sama dengan
nilai tertentu pada hipotesis nol (Kirk, 2008:275)
 Gambar 2.1 Grafik Hipotesis Dua Arah
Sumber: Gunarto, Thomas Yuni. 2010. Uji Hipotesis.pdf

2. Pengujian hipotesis satu arah

Uji hipotesis satu arah menunjukkan bahwa hipotesis nol ditolak ketika nilai uji

statistic berada pada satu sisi daerah penolakan

H 0 . Uji satu arah digunakan

ketika pengamat sudah mengetahui prediksi terhadap fenomena yang diamati.

Pengujian satu arah dibagi dua, yaitu arah kanan dan arah kiri (Kirk, 2008:275).

Gambar 2.2 Grafik Hipotesis Arah Kanan Gambar 2.3 Grafik Hipotesis Arah Kiri
Sumber: Gunarto, Thomas Yuni (2010) Sumber: Gunarto, Thomas Yuni
(2010)

2.2.4 Kesalahan dalam Pengujian Hipotesis

Kesalahan dalam pengujian hipotesis dapat dibagi menjadi 2 (Montgomery &

Runger, 2002:287), yaitu:
1. Kesalahan jenis I (Type I Error)

Kesalahan jenis I adalah menolak

H0 padahal kenyataannya benar. Artinya,

kita menolak hipotesis tersebut (

H 0 ) yang seharusnya diterima.

2. Kesalahan jenis II (Type II Error)

 Kesalahan jenis II adalah menerima
H0 padahal kenyataannya salah. Artinya,

kita menerima hipotesis tersebut (

H 0 ) yang seharusnya ditolak.

2.2.5 Pengujian Hipotesis Rata-rata

Pada pengujian hipotesis rata-rata, terdapat dua jenis pengujian, yaitu pengujian
hipotesis pada satu rata-rata dan pengujian hipotesis dua rata-rata (Walpole,
2012:336).

2.2.5.1 Pengujian Hipotesis pada Satu Rata-rata (One sample t-test)

Uji sampel (One Sample T-Test) adalah pengujian satu parameter dengan
menggunakan sampel tunggal.

2.2.5.1.1 Pengujian Hipotesis pada Satu Rata-rata (Variansi Diketahui)

Uji z merupakan uji statistik yang digunakan untuk menguji rata-rata dari suatu
populasi. Uji z digunakan ketika populasi nya berdistribusi normal dan variansinya
diketahui (Bluman, 2012:413). Rumus dari uji z adalah sebagai berikut:
x
Z=
n
(2-1)

X = rata-rata sampel = rata-rata yang diuji

= standar deviasi populasi n = jumlah sampel

2.2.5.1.2 Pengujian Hipotesis pada Satu Rata-rata (Variansi Tidak Diketahui)

Uji t merupakan uji statistik yang digunakan untuk menguji rata-rata dari suatu
populasi dan digunakan ketika n < 30 dan ketika populasinya berdistribusi normal
dan variansinya tidak diketahui (Bluman, 427). Rumus dari uji t adalah sebagai
berikut:
x
t=
s (2-
n
2)
(Bluman, 2011:427)
2.2.5.2 Pengujian Hipotesis pada Dua Rata-rata

Terdapat dua jenis pengujian hipotesis pada dua rata-rata, yaitu uji rata-rata
(variansi diketahui) dan uji dua rata-rata (Variansi tidak diketahui).

2.2.5.2.1 Pengujian Hipotesis pada Dua Rata-rata (Variansi Diketahui)

Uji z digunakan pada uji dua rata-rata (variansi diketahui) dan dengan asumsi
bahwa populasi berdistribusi normal (Walpole, 2012:343). Rumus untuk uji z adalah
sebagai berikut:
1. Variansi tidak sama

xx

( 1 x 2 )( 1 2)

21 22
+
n1 n2
z=

(2-3)
(Walpole, 2012:343)
Dimana:
xx 1 , xx 2 = rata-rata sampel 1 dan 2 n1, n2 = jumlah sampel 1 dan 2
1 , 2 = standar deviasi sampel 1 dan 2

2. Variansi sama

xx

( 1 x 2 )( 1 2)

1 2
+
n1 n 2
z=

(2-4)
(Walpole, 2012:343)

2.2.5.2.2 Pengujian Hipotesis pada Dua Rata-rata (Variansi Tidak

Diketahui)

Uji t digunakan pada uji dua rata-rata (variansi tidak diketahui) dan dengan
asumsi bahwa populasinya independen dan berdistribusi normal (Walpole, 343).
Rumus untuk uji t adalah sebagai berikut:
 1. Variansi sama (pooled/independent sample t-test)

xx

( 1 x 2 )( 1 2)

sp
1 1
+
n 1 n2
t 0=

S p=
( n11 ) s21 +(n21)s 22
n1 +n22 ;
df =n1 +n22

(2-5)
Sumber: Walpole (2012:344)

2. Variansi tidak sama

xx
s21 s 22
( + )
( 1 x 2 )(1 2) n1 n2
df =
s 21 2 s 22 2
s21 s22
+
n1 n2
( )
n1
+
( )
n2
(n11) (n11)
t 0=

(2-6)
Sumber: Walpole (2012:345)
Dimana:
1 , 2 = rata-rata 1 dan 2 yang diuji
xx 1 , xx 2 = rata-rata sampel 1 dan 2

s 1 , s2 = standar deviasi 1 dan 2 n1 , n2 = jumlah sampel 1 dan 2

df = derajat kebebasan

2.2.5.2.3 Pengujian Pengamatan Berpasangan (Paired Sample T-Test)

Paired sample t-test adalah analisis dengan melibatkan dua pengukuran pada
subjek yang sama terhadap suatu pengaruh atau perlakuan tertentu. Apabila suatu
perlakuan tidak memberi pengaruh, maka perbedaan rata-rata adalah nol. Pengujian
ini dilakukan untuk mengetahui apakah terdapat perbedaan rata-rata antara sampel
sebelum diberi perlakuan dengan sampel setelah diberi perlakuan. Berikut prosedur
pengujiannya:
1. Formulasi Hipotesis
a. Uji dua arah
 H 0 : 1 = 1; H 1 : 1 2
b. Uji satu arah (kanan)
H 0 : 1 = 2; H 1 : 1 2
c. Uji satu arah (kiri)
H 0 : 1 = 2; H 1 : 1 2
2. Menentukan (tingkat signifikansi)
Menentukan tingkat signifikansi (taraf nyata).
3. Kriteria Pengujian
a. H0 : 1 = 2 dan H1 : 1 > 2
H0 diterima jika t0 t dan H0 ditolak jika t0 t
b. H0 : 1 = 2 dan H1 : 1 < 2
H0 diterima jika t0 -t dan H0 ditolak jika t0 -t
c. H0 : 1 = 2 dan H1 : 1 2
Ho diterima jika t/2 to t/2 dan Ho ditolak jika to > t/2 atau to < - t/2
4. Uji Statistik

ddo
t=
sd ; df = n-1
n

n 1j=1 d 2j [ nj=1 d j ]2
S 2d =
n1

(2-7) (Walpole, 2012:346)

Dimana :
d d0 =selisih rata-rata sampel sebelum dan sesudah perlakuan

Sd =standar deviasi sampel

N =jumlah sampel
5. Kesimpulan
Menarik kesimpulan dari hasil pengujian apakah Ho ditolak atau diterima.

3.3 Pengertian ANOVA

Analisis of variance atau ANOVA merupakan salah satu teknik analisis
multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok
data denga cara membandingkan variansinya. Analisis varian termasuk dalam
kategori statistik parametrik. Sebagai alat statistika parametrik, maka untuk dapat
menggunakan rumus ANOVA terlebih dahulu perlu dilakukan uji asumsi meliputi
normalitas, homoskedastisitas dan random sampling (Ghozali: 2009).

2.4 Klasifikasi ANOVA

Uji ANOVA dapat dibagi menjadi 2 jenis berdasarkan jumlah variabel yang
diamati, yaitu one way ANOVA dan two way ANOVA.
2.4.1 One Way ANOVA
One way ANOVA menguji dua atau lebih rata-rata populasi berdasarkan sampel.
Setiap perlakuannya diterapkan secara random pada setiap objek pengamatan, One
way ANOVA berupa eskperimen random sehingga disebut juga completely
randomized design (Weirs, 2011:416). One way ANOVA menguji dua atau lebih
independen sampel untuk menguji apakah ada perbedaan rata-rata dari
populasinya. Berikut hipotesis yg digunakan dalam pengujian ANOVA.
H0:1 =2 = . . . = k
H1: terdapat perbedaan rata-rata antara dua atau lebih populasi

Berikut adalah persamaan dasar ANOVA.

Gambar 2.4 Persamaan dasar ANOVA

Sumber: Weirs (2012:416)

2.4.2 Two Way ANOVA

Two way ANOVA secara simultan menguji pengaruh dua faktor terhadap variabel
terikat, selain itu juga menguji penngaruh interaksi antara dua faktor tersebut
terhadap variabel terikat. Two way ANOVA adalah desain factorial paling dasar,
dengan perlakuan yang berbeda serta kombinasi pada faktor faktornya. (Weirs,
2011:442). Berikut adalah persamaan dasar Two way ANOVA.
 Gambar 2.4 Persamaan dasar Two way ANOVA
Sumber: Weirs (2011:442)

2.5 Langkah Pengujian ANOVA (Two Way ANOVA)

Berikut adalah lagkah pengujian Two-way ANOVA:
1. Hipotesis nol dan hipotesis alternatif
HIpotesis nol dan hipotesis alternative dinyatakan berdasarkan pengaruh dari
faktor A dan faktor B, serta interaksi antar kedua faktornya. Ada tiga hipotesis
dalam pengujian Two way ANOVA.
a. Pengujian pengaruh faktor A:
H0: i = 0 faktor A tidak mempengaruhi pengaruh terhadap variable terikat.
H1: i 0 paling tidak satu faktor A memberikan pengaruh terhadap variabel
terikat.
b. Pengujian pengaruh faktor B:
H0: j = 0 faktor B tidak memberikan pengaruh terhadap variable terikat.
H1: j c 0 paling tidak satu faktor B memberikan pengaruh terhadap variabel
terikat.
c. Pengujian pengaruh interaksi antara faktor A dan faktor B:
H0: ()ij = 0 tidak ada pengaruh antara interaksi antara variabel bebas satu
dan variabel bebas lainnya.
H1: ()ij 0 paling tidak ada pengaruh antara interaksi antara variabel bebas
satu dan variabel bebas lainnya.
2. Format data untuk analisis
Data dapat disajikan dalam bentuk perhitungan table, dengan masing-masing
sel sebagai kombinasi level ke I (dari faktor A) dengan level faktor ke j (dari faktor
B). setiap sel berisi r observasi atau replikasi. Untuk setiap level faktor, rata-rata
dapat terhitung.
 Gambar 2.5 Format analisis data ANOVA
Sumber: Weirs (2011:443)

3. Perhitungan
Ketentuan Perhitungan Jumlah Faktor Kuadrat:
a. Variasi berdasarkan faktor.
SSA adalah jumlah kuadrat yang merefleksikan variasi yang disebabkan
pengaruh level faktor A. SSB adalah jumlah kuadrat yang merefleksikan
variasi yang disebabkan pengaruh level faktor B

b. Variasi berdasarkan interaksi faktor A dan faktor B.

SSAB adalah jumlah kuadrat yang merefleksikan variasi yang disebabkan
pengaruh antara level faktor A dan level faktor B. Langkah yang paling
mudah untuk dilakukan adalah dengan menjumlahkan hasil kuadrat yang
lain. Sehingga SSAB = SST SSB SSE.
c. Sampling error, E.
SSE adalah jumlah kuadrat yang merefleksikan variasi berdasarkan pada
sampling error. Dalam perhitungannya, setiap nilai data asli harus
dibandingkan dengan rata-rata tiap data.
d. Variasi Total, T
SST adalah jumlah kuadrat yang merefleksikan variasi keseluruhan data,
dengan setiap data observasi dibandingkan dengan rata-rata, kemudian
selisihnya dijumlahkan dan dikuadratkan.
Tabel 2.1 Variasi Total
Source of Degrees of
Sum of Square Mean Square F Ratio
Variation Freedom
 a

( xi .. xx )2 MSA=
SSA
F=
MSA
Faktor A i=1 a-1 a1 MSE
SSA=rb
a

( x j .. xx )2 MSb=
SSB
F=
MSB
Faktor B j=1 b-1 b1 MSE
SSB=rb
SSAB MSAB
Interaksi faktor A SSAB =SST SSASSBSSE (a-1)(b-1)
MSAB= F=
dan Faktor B ( a1)(b1) MSE

r1
A b r
SSE= (x ijkx ij . ) 2 ab
Sampling error, E ab(r-1) SSE
i=1 j=1 k=1
MSE=

a b r

Total T SST = (x ijk x ) abr-1

i =1 j=1 k=1

Sumber: Weirs (2011:444)

4. Nilai kritis dan keputusan
Untuk setiap hipotesis nol, nilai kritis dari F bergantung pada tingkat signifikansi
yang telah dipilih serta dari nilai derajat kebebasan dalam uji F. Dalam setiap
pengambilan H0,nilai dari v1 dan v2 dapat dilihat di table. Nilai F hitungnya berupa
F[, v1, v2], dengan demikian, penolakan Ho dapat dijelaskan sebagai berikut.
a. Pengaruh utama, faktor A :
MSA
Menolak Ho :i = 0,jika F = MSE >F[,( -1 ),ab( r-1)]

b. Pengaruh utama, faktor B :

MSB
Menolak Ho:j = 0,jika F = MSE >F[,( -1 ),ab( r-1)]

c. Pengaruh interaksi, faktor A dan faktor B :

MSAB
Menolak Ho: all ()ij = 0,jika F = MSE >F[,( -1 )( b-1),ab( r-1)]

2.6 After ANOVA Test

Ketika Ho ditolak setelah diuji F, maka peneliti ingin mengetahui dimanakah
sebenarnya perbedaan antar rata-rata terjadi.Beberapa metode telah dikembangkan
agar dapat mengetahui perbedaan tersebur, Pengujian yang paling umum
digunakan adalah Scheffe test and the Tukey test (Bluman,2012:642).

2.6.1. Tukey test

 Tukey test digunakan setelah dilakukan analisis dari variansi untuk membuat
perbandingan antar rata-rata ketika setiap kelompok data memiliki jumlah sampel
yang sama. Simbol untuk nilai pengujian dari Tukey Test adalah q.
Xj
Xi

q=
S 2w
n
(2-8)

Sumber: Bluman (2012:642)

dan Xj
Xi
Dimana adalah rata-rata dari sampel yang telah dibandingkan, n

2
adalah jumlah sampel, dan Sw adalah kelompok variansi. Ketika nilai absolut dari

q lebih besar daripada nilai kritis untuk Tukey test, maka terdapat perbedaan yang
signifikan antara dua rata-rata yang dibandingkan. Untuk mendapatkan nilai kritis
dari pengujian Tukey dapat dilihat di tabel Tukey.
 BAB III
METODOLOGI PRAKTIKUM
3.1. Diagram Alir Praktikum
Berikut ini adalah diagram alir praktikum

Gambar 3.1 Diagram alir praktikum

3.2 Alat dan Bahan Praktikum
Berikut ini adalah alat dan bahan praktikum:
1. Statapult
2. Meteran (alat pengukur jarak)
3. Penggaris
4. Alat Tulis
5. Lembar Pengamatan
6. Bola Pimpong
7. Tepung

3.3. Prosedur Praktikum

Berikut adalah prosedur praktikum dari data One Sample T-Test dan Two Way
ANOVA.

3.3.1. Prosedur Praktikum One Sample T-Test

Prosedur praktikum yang harus dilakukan yaitu:
. Mengidentifikasi masalah.
. Melakukan pengumpulan data studi kasus Independent T-test.
. Melakukan pengolahan data studi kasus dilakukan dengan perhitungan manual
dan bantuansoftware SPSS.
. Melakukan analisis dan interpretasi data
. Kesimpulan dan saran

3.3.2. Prosedur Praktikum Uji Two Way ANOVA

Berikut ini adalah prosedur praktikum uji One Way ANOVA :
1. Mengidentifikasi masalah
2. Melakukan pengumpulan data Two Way ANOVA
3. Melakukan pengolahan data dengan cara perhitungan manual dan bantuan
software SPSS
4. Melakukan analisis dan interpretasi data
5. Kesimpulan dan saran
 BAB IV
HASIL DAN PEMBAHASAN

4.1. Pengumpulan Data

Pada praktikum statistik parametrik ini terdapat dua pengumpulan data, yaitu
data one sample t-test dan data two way ANOVA. Berikut merupakan pengumpulan
data one sample t-test dan data two way ANOVA.
4.1.1. Pengumpulan Data (One Sample T-Test)
Pada praktikum statistik parametric one sample t-test, digunakan data sekunder
mengenai konsumsi kalori per kapita dari 60 negara yang diambil secara acak dari
data penelitian FAO (Food and Agriculture Organization).Pada data tersebut ingin
diuji apakah rata-rata konsumsi kalori per kapita dari sampel yang telah diambil
sama dengan 1800 kcal, diamana angka tersebut merupakan standar yang
ditetapkan oleh FAO. Berikut merupakan data konsumsi kalori tersebut
Tabel 4.1 Data One Sample T-Test
No Negara Konsumsi Kalori (kcal) No Negara Konsumsi Kalori (kcal)
1 Albania 2900 31 Cyprus 3200
2 Algeria 3110 32 Czech 3320
3 Angola 1950 33 Cote dIvore 2510
4 Antigua 2320 34 Corea Republic 2150
5 Argentina 3000 35 Sri Lanka 2710
6 Armenia 2250 36 Denmark 3400
7 Australia 3190 37 Djibouti 2260
8 Austria 3760 38 Dominika 3110
9 Azerbaijan 3000 39 Lithuania 2260
10 Bahamas 2700 40 Ekuador 2300
11 Bangladesh 2250 41 Brazil 3456
12 Barbados 3050 42 Brunei 2990
13 Belarus 3090 43 Bulgaria 2760
14 Belgium 3690 44 Burnika 2670
15 Belize 2720 45 Burundi 3750
16 Benin 2510 46 Cambodia 2250
17 Bermuda 2540 47 Cameroon 2260
18 Bolivia 2090 48 Canada 3530
19 Bosnia 3080 49 Cape Verde 2550
20 Botswana 2240 50 Gabon 2730
21 Afrika Tengah 1960 51 Brazil 3456
22 Chad 2040 52 Brunei 2990
23 Chile 2960 53 Egypt 3160
24 China 2970 54 El Salvador 2590
25 Colombia 2660 55 Eritrea 1590
26 Comoros 1860 56 Estonia 3130
27 Congo 2510 57 Ethiopia 2350
28 Costa Rica 2810 58 Fiji 3030
29 Croasia 2990 59 Finlandia 3220
30 Cuba 3300 60 France 3550

4.1.2. Pengumpulan Data Two-Way ANOVA

 Pada praktikum statisik parametrik two-way ANOVA, digunakan alat bernama
statapult. Dalam pelaksanaannya digunakan dua level faktor , yaitu faktor lubang
pin dan faktor stop pit. Kedua faktor tersebut akan diuji apakah mempengaruhi
dalam jarak pelemparan bola ping pong. Setiap peubahan pada salah satu faktor,
akan dilakukan tiga kali replikasi percobaan. Berikut merupakan data two-way
ANOVA dari praktikum ini.
Tabel 4.2 Data Two-Way ANOVA
LVL FAKTOR : STOP
PIT
LVL FAKTOR : LUBANG
SP 1 SP 3 SP 5
PIN
292.7 311 306
LP 1 288 298 299
287 293 296
253 313 389
LP 2 229 291 345
227 280 311

4.2. Pengolahan Data (One Sample T-Test)

Berikut merupakan pengolahan data one sample t-test . Data diolah dengan dua
cara pengolahan, yaitu dengan software SPSS 21 dan pengolahan secara manual.

4.2.1. Pengolahan Data dengan SPSS 21

Pengolahan data dengan SPSS 21 dilakukan dengan melakukan pengujian
kenormalan data kemudian dilakukan pengujian data dengan One Sample T-Test.

4.2.1.1. Pengujian Kenormalan

Berikut merupakan langkah-langkah penggunaan SPSS 21 untuk uji kenormalan
dari data studi kasus.
1. Buka variable view, kemudian maengisi nama variabel.
2. Buka data view.
3. Pilih analyze>>>descriptive statistics>>>explore.
4. Masukkan variabel konsumsi_kalori sebagai dependent list. Klik plots kemudian
centang Normally Plots with Test. Klik continue lalu klik OK.
5. Kemudian akan muncul output sebagai berikut.

Tabel 4.3 Output Uji Kenormalan

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
 konsumsi_kalo
,105 60 ,097 ,981 60 ,458
ri
a. Lilliefors Significance Correction
H0 : Data berdistribusi normal
H1 : Data tidak berditribusi normal
H0 diterima apabila Sig. 0.05 dan H 0 ditolak apabila Sig. < 0.05, sehingga
berdasarkan tabel test of normality diatas dapat diketahui bahwa Sig. dari
Kolmogorov-Smirnov sebesar 0,097 untuk konsumsi_kalori dan dapat diambil
kesimpulan bahwa H0 diterima yang artinya data tersebut berdistribusi normal.

4.2.1.2. Pengujian One Sample T-Test

Langkah pengerjaan dengan SPSS 21 untuk uji Paired T Test adalah sebagai
berikut:
1. Klik analyze >>>compare means>>> one sample T-Test. Kemudian masukkan
konsumsi_kalori ke dalam Test Variable dan masukkan nilai 1800 pada test
value. Lalu klik OK.
2. Kemudian akan muncul output sebagai berikut.
Tabel 4.4 Hasil Uji One Sample T-Test
One-Sample Test
Test Value = 1800
t Df Sig. (2- Mean 95% Confidence Interval of
tailed) Difference the Difference
Lower Upper
konsumsi_kalor
14,827 59 ,000 978,86667 846,7649 1110,9685
i

H0 : = 1800 (rata-rata konsumsi kalori per kapita 60 negara sampel sama

dengan 1800 kcal)
H1 ; 1800 (rata-rata konsumsi kalori per kapita 60 negara sampel tidak sama
dengan 1800 kcal)
H0 diterima apabila Sig. 0.05 dan H 0 ditolak apabila Sig. < 0.05, sehingga
berdasarkan tabel One Sample T-Test diatas dapat diketahui bahwa Sig.(2-tailed)
sebesar 0,000 untuk konsumsi_kalori dan dapat diambil kesimpulan bahwa H 0 ditolak
yang artinya rata-rata data konsumsi kalori per kapita 60 negara sampel tidak sama
dengan 1800 kcal.

4.2.2. Pengolahan Data Manual

Berikut merupakan pengolahan secara manual data one sample t-test.
Formulasi Hipotesis
H0 : = 1800 (rata-rata konsumsi kalori per kapta dari 60 negara sampel sama
dengan 1800 kcal)
 H1 ; 1800 (rata-rata konsumsi kalori per kapita dari 60 negara sampel tidak
sama dengan 1800 kcal)
Taraf Signifikansi () = 0.05 maka Z/2 = Z0.05/2 = Z0.025 = 1.96
Arah Pengujian : dua arah (two-tailed)
H0 diterima jika : - Z/2 < Zhitung < Z/2
H0 ditolak jika : : - Z/2 > Zhitung atau Zhitung > Z/2
Uji Statistik
x 2778,871800
978,87
Zhitung = = 507,10 = = 14,95
65,47
n 60
Kesimpulan
Karena Zhitung = 14,95 > Z/2 = 1,96 , maka H0 ditolak pada taraf signifikansi 0.05.
Artinya , rata-rata konsumsi kalori per kapta dari 60 negara sampel tidak sama
dengan 1800 kcal.

4.3. Pengolahan Data Two-Way ANOVA

Berikut merupakan pengolahan data two-way ANOVA. Data diolah dengan dua
cara pengolahan, yaitu dengan software SPSS 21 dan pengolahan secara manual.

4.3.1. Pengolahan Data dengan SPSS 21

Berikut merupakan pengolahan data two-way ANOVA dengan software SPSS 21.
Pengolahan data ini dilakukan untuk menguji kenormalan, homogenitas varians, uji
Two-Way ANOVA, dan uji Posthoc dengan Tukey.

4.3.1.1. Pengujian Kenormalan

Langkah pengerjaan dengan SPSS 21 untuk uji kenormalan adalah sebagai
berikut:
1. Input variabel pada variabel view.
2. Input data hasil praktikum pada data view.
3. Pilih analyze>>>general linear model>>>univariate. Masukkan variabel jarak
sebagai dependent variable dan variabel faktor stop_pit dan lubang_pin sebagai
fixed factor(s). Klik save, pilih unstandardized, lalu continue.
4. Kembali ke menu univariate kemudian klik ok.
5. Nilai residual muncul pada kolom disebelah kolom data hasil praktikum dengan
nama RES_1.
6. Selanjutnya, pilih analyze>>>descriptive statistics>>>explore.
7. Masukkan variabel residual for jarak (RES_1) pada dependent list. Masukkan
variabel faktor stop_pit dan lubang_pin factor list.
8. Klik plots lalu muncul menu plots seperti pada gambar kemudian pilih normally
plots with tests.
9. Maka akan muncul output seperti pada tabel 4.5.
Tebel 4.5 Hasil Uji Kenormalan Data ANOVA
 Tests of Normality
stop_pit Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
SP1 ,219 6 ,200* ,900 6 ,374
Residual for
SP3 ,254 6 ,200 *
,942 6 ,678
jarak
SP5 ,264 6 ,200* ,907 6 ,420
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
H0 : Residual data berdistribusi normal
H1 : Residual data tidak berditribusi normal
H0 diterima apabila Sig. 0.05 dan H 0 ditolak apabila Sig. < 0.05, sehingga
berdasarkan tabel test of normality diatas dapat diketahui bahwa Sig. dari Shapiro-
Wilk pada SP1, SP2, dan SP3 sebesar 0,374; 0,678; dan 0,420 untuk residual for
jarak dan dapat diambil kesimpulan bahwa H 0 diterima yang artinya data tersebut
berdistribusi normal.

4.3.1.2. Pengujian Homogenitas Varians

Langkah pengerjaan dengan SPSS 21 untuk uji homogenitas adalah sebagai
berikut:
1. Klik analyze>>>general linier model>>>univariate.
2. Masukkan jarak pada dependent list dan Masukkan variabel faktor stop_pit dan
lubang_pin pada fixed factor(s).
3. Klik Plots>>>masukkan stop_pin pada horizontal axis>>>masukkan lubang_pin
pada separate lines.
4. Klik options>>> masukkan stop_pit, lubang_pin dan stop_pit*lubang_pin pada
display means for, kemudian klik homogeneity test.
5. Klik continue maka akan kembali pada menu univariate kemudian klik ok.
6. Muncul output seperti pada tabel 4.6.
Tabel 4.6 Hasil Uji Homogenitas
Levene's Test of Equality of Error
Variancesa
Dependent Variable: jarak
F df1 df2 Sig.
2,745 5 12 ,070
Tests the null hypothesis that the error
variance of the dependent variable is
equal across groups.
a. Design: Intercept + stop_pit +
lubang_pin + stop_pit * lubang_pin

H0 : Data bervariasi homogenitas

H1 : Data tidak bervariasi homogenitas
H0 diterima apabila Sig. 0.05 dan H 0 ditolak apabila Sig. < 0.05, sehingga
berdasarkan tabel hasil uji homogenitas diatas dapat diketahui bahwa Sig. sebesar
0,070 dan dapat diambil kesimpulan bahwa H 0 diterima yang artinya data tersebut
bervariasi homogen.

4.3.1.3. Pengujian Two-Way ANOVA

Berikut adalah langkah-langkah penggunaan SPSS 21 untuk uji Analisis Variansi
dua faktor (Two-Way ANOVA).
1. Input variabel pada variabel view.
2. Input data hasil praktikum pada data view.
3. Pilih analyze>>>general linear model>>>univariate.
4. Masukkan variabel jarak sebagai dependent variable dan variabel faktor
stop_pit dan lubang_pin sebagai fixed factor(s). Klik continue.
5. Klik save, pilih unstandardized, lalu continue.
6. Kembali ke menu univariate kemudian klik ok.
7. Maka akan muncul output seperti pada tabel 4.7.

Tabel 4.7 Hasil Uji ANOVA Dua Arah

Tests of Between-Subjects Effects
Dependent Variable: jarak
Source Type III Sum df Mean F Sig.
of Squares Square
Corrected Model 19140,336a 5 3828,067 10,718 ,000
1565683,09 1565683,09 4383,76
Intercept 1 ,000
4 4 4
stop_pit 11432,721 2 5716,361 16,005 ,000
lubang_pin 59,405 1 59,405 ,166 ,691
stop_pit *
7648,210 2 3824,105 10,707 ,002
lubang_pin
Error 4285,860 12 357,155
1589109,29
Total 18
0
Corrected Total 23426,196 17
a. R Squared = ,817 (Adjusted R Squared = ,741)

H0: 1 = 0 ; factor A (factor lubang pin) tidak memberikan pengaruh terhadap jarak
yang dihasilkan.
H1: 1 0 ; faktor A (factor lubang pin) memberikan pengaruh terhadap jarak yang
dihasilkan.
H0: 1 = 0 ; faktor B (faktor stop pit) tidak memberikan pengaruh terhadap jarak
yang dihasilkan.
H1: 1 0 ; faktor B (faktor stop pit) memberikan pengaruh terhadap jarak yang
dihasilkan.
H0: 11 = 12 = 13 = 21 = 22 = 23 = 0 ; interaksi antara faktor lubang pin dan
faktor stop pit tidak memberikan pengaruh terhadap jarak yang dihasilkan.
H1: 11 12 13 21 22 23 0 ; paling tidak ada satu factor (lubang
pin atau stop pit) memberikan pengaruh terhadap jarak yang dihasilkan.
H0 diterima apabila Sig. 0.05 dan H 0 ditolak apabila Sig. < 0.05, sehingga
berdasarkan tabel hasil uji ANOVA dua arah diatas dapat diketahui bahwa:
1. Sig. faktor lubang pin sebesar 0,691 dan dapat diambil kesimpulan bahwa H 0
diterima yang artinya factor lubang pin tidak memberikan pengaruh terhadap
jarak yang dihasilkan.
2. Sig. faktor stop pit sebesar 0,000 dan dapat diambil kesimpulan bahwa H 0 ditolak
yang artinya faktor stop pit memberikan pengaruh terhadap jarak yang
dihasilkan.
3. Sig. faktor stop pit*lubang pin sebesar 0,002 dan dapat diambil kesimpulan
bahwa H0 ditolak yang artinya interaksi antara stop pit dan lubang pin
memberikan pengaruh terhadap jarak yang dihasilkan.

4.3.1.4. Pengujian Posthoc dengan Tukey

Berikut merupakan langkah-langkah pengujian PostHOC dengan Tukey.
1. Input variabel pada variabel view.
2. Input data hasil praktikum pada data view.
3. Pilih analyze>>>general linear model>>>univariate.
4. Masukkan variabel jarak sebagai dependent variable dan variabel faktor stop_pit
dan lubang_pin sebagai fixed factor(s). Klik continue.
5. Klik save, pilih unstandardized, lalu continue.
6. Kembali ke menu univariate kemudian klik post hoc.
7. Masukkan variabel faktor stop_pit dan lubang_pin sebagai post hoc test for. Pilih
Tukey, lalu continue.
8. Kembali ke menu univariate kemudian klik ok.
9. Maka akan muncul output seperti pada tabel 4.8. dan Tabel 4.9
Tabel 4.8 Multiple Comparisons

a. Pengujian pengaruh faktor stop pit 1 dan stop pit 3

 H0: tidak ada perbedaan rata-rata jarak yang dihasilkan dengan level

faktor Stop pit 1 (SP1) dan level faktor stop pit 3 (SP3) .
H1: ada perbedaan rata-rata jarak yang dihasilkan dengan level faktor

Stop pit 1 (SP1) dan level faktor stop pit 3 (SP3).

b. Pengujian pengaruh faktor stop pit 1 dan stop pit 5
H 0 : tidak ada perbedaan rata-rata jarak yang dihasilkan dengan level

faktor Stop pit 1 (SP1) dan level faktor stop pit 5 (SP5) .
H1: ada perbedaan rata-rata jarak yang dihasilkan dengan level faktor

Stop pit 1 (SP1) dan level faktor stop pit 5 (SP5) .

c. Pengujian pengaruh faktor stop pit 3 dan stop pit 5
H 0 : tidak ada perbedaan rata-rata jarak yang dihasilkan dengan level

faktor Stop pit 3 (SP3) dan level faktor stop pit 5 (SP5) .
H1: ada perbedaan rata-rata jarak yang dihasilkan dengan level faktor

Stop pit 3 (SP3) dan level faktor stop pit 5 (SP5).

H0 diterima apabila Sig. 0.05 dan H 0 ditolak apabila Sig. < 0.05, sehingga
berdasarkan tabel Multiple Comparisons pada stop pit 1 dan stop pit 3 sig. 0,019 <
0,05 maka H0 ditolak yang berarti ada perbedaan rata-rata jarak yang dihasilkan
dengan level faktor Stop pit 1 (SP1) dan level faktor stop pit 3 (SP3). Pada stop pit 1
dan stop pit 5 sig. 0,000 < 0,05 maka H0 ditolak yang berarti ada perbedaan rata-
rata jarak yang dihasilkan dengan level faktor Stop pit 1 (SP1) dan level faktor stop
pit 5 (SP5). Pada stop pit 3 dan stop pit 5 sig. 0,074 > 0,05 maka H0 diterima yang
berarti tidak ada perbedaan rata-rata jarak yang dihasilkan dengan level faktor Stop
pit 3 (SP3) dan level faktor stop pit 5 (SP5).
Pada mean difference stop pit 1 dan stop pit 3 menunjukkan nilai -34,8833 yang
berarti stop pit 3 lebih berpengaruh dari stop pit 1. Pada mean difference stop pit 3
dan stop pit 5 menunjukkan nilai -26,6667 yang berarti stop pit 5 lebih berpengaruh
dari stop pit 3, sehingga level faktor yang paling berpengaruh adalah level faktor
stop pit 5.

4.3.2. Perhitungan Manual

Berikut merupakan perhitungan secara manual data two-way ANOVA.

4.3.2.1 Perhitungan Manual Two-Way ANOVA

Formulasi Hipotesis
 a. Pengujian pengaruh faktor A (faktor lubang pin)
H0: 1 = 0 ; factor A (factor lubang pin) tidak memberikan pengaruh
terhadap jarak yang dihasilkan.
H1: 1 0 ; faktor A (factor lubang pin) memberikan pengaruh terhadap
jarak yang dihasilkan.
b. Pengujian pengaruh faktor B (faktor stop pit)
H0: 1 = 0 ; faktor B (faktor stop pit) tidak memberikan pengaruh
terhadap jarak yang dihasilkan.
H1: 1 0 ; faktor B (faktor stop pit) memberikan pengaruh terhadap
jarak yang dihasilkan.
c. Pengujian pengaruh interaksi faktor A (factor lubang pin) dan faktor B
(factor stop pit)
H0: 11 = 12 = 13 = 21 = 22 = 23 = 0 ; interaksi antara faktor
lubang pin dan faktor stop pit tidak memberikan pengaruh terhadap
jarak yang dihasilkan.
H1: 11 12 13 21 22 23 0 ; paling tidak satu ada
factor (lubang pin atau stop pit) memberikan pengaruh terhadap jarak
yang dihasilkan.
Analisis Variansi
5308,7 2
2 2 2
JKT = 292,7 + 288 + + 311 18
= 1589109,29 1565683.09 = 23426,2
2 2 2
2670.7 + 2638 5308.7
JKB =
9 18
= 1565724.49 1565683.09 = 59.40
1576.7 2+1786 2 +19462 5308.72
JKK =
6 18
= 1577115.59 - 1565683.09 = 11432,50
867.72+ 9022 ++ 10452 5308.72
JKI = JKB - JKK
3 18
= 1584823.43 1565683.09 59,40 11432,50 = 7648.21
JKE = 23426,2 59.40 11432.50 7648.21
= 4286
Tabel ANOVA
Sumber Variansi Derajat Bebas (db) Jumlah Kuadrat Rata-rata Kuadrat F Hitung
S12 = JKB / db = F 1 = S 12/ S 42 =
Rata-rata Baris (b-1) = (2-1) = 1 JKB = 59,40
59.40 0.166
S22 = JKK / db = F 2 = S 22/ S 42 =
Rata-rata Kolom (k-1) = (3-1) = 2 JKK = 11432,50
5716,25 16.004
(b-1)(k-1) = (1)(2) = S32 = JKI / db = F 3 = S 32/ S 42 =
Interaksi JKI = 7648.21
2 3842.1 10.75
bk(n-1) = 2.3(3-1) = S42 = JKE / db =
Error JKE = 4286
12 357.17
 bkn 1 = 2.3.3 1 =
Total JKT = 23426,2
17

Nilai kritis dan Keputusan

1. Pengaruh Utama , Faktor A (lubang pin)
Menolak H0 jika F1 > F0.05(1;12) = 4,75
2. Pengaruh Utama , Faktor B (stop pit)
Menolak H0 jika F2 > F0.05(2;12) =4,67
3. Pengaruh Interaksi Faktor A dan Faktor B
Menolak H0 jika F3 > F0.05;(2;12) = 4,67

Kesimpulan
1. Karena F1 = 0.166 < F0.05(1;12) = 4,75 maka H0 diterima. Artinya , faktor lubang
pin tidak memberikan pengaruh terhadap jarak yang dihasilkan.
2. Karena F2 = 16.004 > F0.05(2;12) = 4,67 maka H0 ditolak. Artinya , faktor stop
pit memberikan pengaruh terhadap jarak yang dihasilkan.
3. Karena F3 = 10.75 > F0.05(1;12) = 4,75 maka H0 ditolak. Artinya , paling tidak
satu factor (lubang pin atau stop pit) memberikan pengaruh terhadap jarak
yang dihasilkan
 BAB V
PENUTUP

5.1. Kesimpulan
Berikut merupakan kesimpulan yang dapat diambil dari praktikum statistik
parametrik.
1. Dalam praktikum ini, dilakukan uji One Sample T-Test untuk mengetahui apakah
ada perbedaan rata-rata pada studi kasus mengenai konsumsi kalori per kapita
dari 60 negara yang diambil secara acak dari data penelitian FAO (Food and
Agriculture Organization) dengan 1800 kcal yang merupakan standar oleh FAO.
Pada perhitungan menggunakan software SPSS 21 didapatkan nilai Sig.(2-tailed)
sebesar 0,000 dan dapat diambil kesimpulan bahwa H 0 ditolak yang artinya rata-
rata data konsumsi kalori per kapita 60 negara sampel tidak sama dengan 1800
kcal. Pada perhitungan manual didapatkan nilai dan kesimpulan yang sama.
2. Dalam praktikum ini, dilakukan uji Two-Way ANOVA untuk mengetahui apakah
ada perbedaan rata-rata pada jarak hasil percobaan pelemparan bola pingpong
dengan menggunakan 2 faktor yaitu lubang pin, stop pit. Pada perhitungan
manual faktor lubang pin didapatkan F hitung sebesar 0.166 yang lebih kecil dari
F0.05(1;12) = 4,75, sehingga Ho diterima dan dapat disimpulkan bahwa lubang pin
tidak memberikan pengaruh terhadap jarak yang dihasilkan. Dari hasil analisis
perhitungan faktor stop pin di dapatkan F hitung sebesar 16,004 yang dimana
lebih besar dari F0.05(2;12) = 4,67 sehingga Ho ditolak dan dapat disimpulkan
bahwa stop pin memberikan pengaruh terhadap jarak yang dihasilkan. Dari hasil
analisis perhitungan interaksi antara faktor lubang pin dan stop pin didapatkan F
hitung sebesar 10,75 yang dimana lebih besar dari F0.05(2;12) = 4,67 sehingga Ho
ditolak dan dapat disimpulkan bahwa interaksi antara stop pin dan lubang pin
memberikan pengaruh terhadap jarak yang dihasilkan. Pada perhitungan
menggunakan software SPSS 21 didapatkan nilai dan kesimpulan yang sama.
Pada tabel multiple comparisons di pengujian posthoc dengan tukey
menghasilkan mean difference stop pit 1 dan stop pit 3 sebesar -34,8833 yang
berarti stop pit 3 lebih berpengaruh dari stop pit 1. Pada mean difference stop
pit 3 dan stop pit 5 menunjukkan nilai -26,6667 yang berarti stop pit 5 lebih
berpengaruh dari stop pit 3, sehingga level faktor yang paling berpengaruh
adalah level faktor stop pit 5.
5.2. Saran
Saran yang dapat diberikan untuk pelaksanaan praktikum ini adalah sebagai
berikut.
1. Masyarakat di dunia, diharapkan agar lebih berhati-hati dalam mengkonsumsi
makanan dan diharapkan agar tidak mengkonsumsi makanan dengan kalori
tinggi agar kalori per kapita tidak lebih dari 1800 kcal sesuai standar yang telah
ditetapkan oleh FAO, karena dapat mengakibatkan penyakit-penyakit berbahaya
seperti kolesterol, stroke, diabetes dan lain-lain.