LAPORAN PRAKTIKUM

Diajukan sebagai Salah Satu Syarat untuk Memenuhi Nilai Mata Kuliah Desain Eksperimen

“Uji Anova dan Uji Duncan”

Dosen : Sri Winarni , S.Si., M.Si.

Disusun oleh :

Aghna Nurshifa (140610160019)

Fadil Muhammad Aziz (140610160020)

Kelas : A

Dosen : Sri Winarni,

PROGRAM STUDI S-1 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PADJADJARAN

JATINANGOR

2018

1
 KATA PENGANTAR

Pertama-tama mari kita panjatkan puji dan syukur ke hadirat Allah SWT, karena atas
rahmat dan hidayahNya, kami dapat menyusun dan menyelesaikan tugas ini, sebagai syarat
untuk memenuhi nilai Tugas mata kuliah Desain Eksperimen. Tugas ini dibuat sebagai bahan
pembelajaran, seberapa jauh kami dapat memahami materi analisis regresi.

Dalam penyusunan tugas ini, tidak sedikit kami mengalami hambatan dan kesulitan,
namun atas dukungan dari berbagai pihak serta kerja keras, Alhamdulillah tugas ini dapat
diselesaikan dengan tepat waktu.

Kami ucapkan terimakasih kepada Tuhan Yang Maha Esa, kepada Ibu Sri Winarni
selaku dosen mata kuliah Desain Eksperimen, Orangtua kami, serta teman-teman yang telah
membantu penyusunan tugas ini.

Kami menyadari penyusunan tugas ini masih jauh dari dari kesempurnaan baik dalam
segi isi maupun penulisan. Untuk itu, kami sangat mengharapkan kritik dan saran yang
membangun demi peningkatan tugas yang kami susun. Semoga, tugas yang ini dapat
bermanfaat bagi para pembaca.

Jatinangor, Maret 2018

Penulis

2
 Daftar Isi

KATA PENGANTAR ............................................................................................................................ 2

Daftar Isi ................................................................................................................................................. 3
BAB I ...................................................................................................................................................... 4
1.1 Latar Belakang ........................................................................................................................ 4
1.2 Rumusan Masalah ................................................................................................................... 4
1.3 Tujuan ..................................................................................................................................... 4
BAB II..................................................................................................................................................... 5
2.1 Kasus Desain Acak Sempurna ............................................................................................ 5
2.2 Layout Pengacakan ............................................................................................................. 5
2.3 PEMBAHASAN ................................................................................................................. 6
BAB III ................................................................................................................................................. 19

3
 BAB I
PENDAHULUAN
1.1 Latar Belakang

Desain eksperimen merupakan langkah-langkah lengkap yang perlu diambil jauh

sebelum eksperimen dilakukan agar supaya data yang semestinya diperlukan dapat
diperoleh sehingga akan membawa kepada analisis obyektif dan kesimpulan yang berlaku
untuk persoalan yang sedang dibahas.
Dalam desain eksperimen terdapat beberapa langkah yang perlu dilakukan. Secara
garis besar langkah-langkah desain eksperimen antara lain, Mengenali permasalahan,
Memilih faktor dan taraf faktor, Memilih variabel respon, Memilih desain eksperimen,
Pengujian hasil eksperimen, Melakukan percobaan, Analisis data, dan Membuat
kesimpulan dan saran.
Ada pula prinsip dasar dan beberapa hal yang perlu diketahui dalam desain
eksperimen. Prisnsip dasar tersebut antara lain Replikasi, Pengacakan dan Kontrol Lokal.
Bebapa hal yang perlu diketahui mengenain desain eksperimen diantaranya Perlakuan,
Unit Eksperimen dan Kekeliruan Eksperimen.
Replikasi merupakan pengulangan eksperimen dasar yang dibutuhkan untuk
memberikan taksiran kekeliruan eksperimen, memberikan taksiran yang lebih baik
mengenai efek rata-rata suatu faktor.
Pengacakan merupakan hal yang selalu harus dilakukan untuk memenuhi asumsi
untuk melakukan suatu pengujian hipotesis secara statistis, supaya pengujian yang
dilakukan menjadi berlaku.
Kontrol lokal adalah langkah-langkah atau usaha untuk membentuk penyeimbangan,
pemblokan atau pengelompokan unit eksperimen yang harus dilakukan dalam suatu
desain. Pelakuan adalah sekumpulan kondisi eksperimen yang akan digunakan terhadap
unit Eksperimen dalam ruang lingkup desain yang dipilih, bisa tunggal atau dalam bentuk
kombinasi. Unit eksperimen merupakan Unit yang dikenai perlakuan untuk setiap replikasi
yang dilakukan. Kekeliruan eksperimen merupakan Kegagalan dari dua unit eksperimen
identik yang dikenai perlakuan untuk memberikan hasil yang sama.

1.2 Rumusan Masalah

Bagaimana cara melakukan pengujian data menggunakan analisis varians dan uji rata rata
setelah analisis varians?

1.3 Tujuan

Untuk menguji kesignifikanan dari sebuah data menggunakan Uji Anava dan Uji Lanjut (Uji
Duncan).

4
 BAB II
PEMBAHASAN
2.1 Kasus Desain Acak Sempurna

3.21. An article in Environment International (Vol. 18, No. 4, 1992) describes an experiment
in which the amount of “Radon Released” in showers was investigated. Radon-enriched water was
used in the experiment, and six different “Orifice Diameter”s were tested in shower heads. The
data from the experiment are shown in the following table :

Tabel 2.1

“Orifice
“Radon Released” (%)
Diameter”
0.37 80 83 83 85
0.51 75 75 79 79
0.71 74 73 76 77
1.02 67 72 74 74
1.4 62 62 67 69
1.99 60 61 64 66
(source : Montgomery Design and Analysis of Experiments 8th 2013)

Dalam tabel diatas terlihat bahwa terdapat 6 perlakuan (“Orifice Diameter”), dan ada
sebanyak 4 penulangan. Sehingga ada 24 jumlah unit eksperimen. Radon adalah gas yang paling
berat dan berbahaya bagi kesehatan, maka semakin banyak radon yang dikeluarkan dari shower
maka akan lebih berbahaya bagi kesehatan manusia. Dalam kasus ini akan diteliti dari sebanyak 6
perbedaan ukuran lubang pada shower ada berapa radon yang dikeluarkan (%).

2.2 Layout Pengacakan

Pengacakan data bertujuan untuk mendapatkan data yang objektif. Data yang diperoleh dari
proses pengacakan adalah data yang acak. Data acak bermakna data tanpa pilih kasih atau
intervensi dari peneliti. Untuk mendapatkannya, si peneliti harus menciptakan kondisi sedemikian
rupa sehingga setiap angka yang ada pada populasi harus mempunyai kesempatan yang sama
untuk ditarik sebagai sampel pada saat pengambilan sampel. Artinya, data yang diperoleh bukan
atas kemauan si peneliti. Dengan demikian, data acak akan menghasilkan data yang objektif.

Sebaiknya, sebelum melakukan pengujian data terlebih dahulu diacak untuk meminimalisir
error sistematik. Dalam kasus ini, kita akan mencoba pengacakan data di atas menggunakan
Ms.Excel, hasi layout pengacakannya yaitu sebagai berikut :

5
 Tabel 2.2

Ukur
No Acak Hasil Acak Data
Diam
1 0.446691 1 0.02040189 80
2 0.874711 6 0.0549782 83
3 0.559928 5 0.094667 83
4 0.343454 4 0.138151 85
5 0.243713 3 0.17789009 75
6 0.851793 4 0.19332298 75
7 0.343912 6 0.33050743 79
8 0.933708 2 0.446724 79
9 0.139659 1 0.47323037 74
10 0.76041 2 0.50518857 73
11 0.795047 1 0.514507 76
12 0.298359 4 0.56139046 77
13 0.176759 6 0.5969176 67
14 0.70797 5 0.61671751 72
15 0.413672 1 0.64987591 74
16 0.328366 2 0.67259359 74
17 0.097656 3 0.69193569 62
18 0.019295 2 0.72423801 62
19 0.165377 5 0.88961307 67
20 0.648283 5 0.91060789 69
21 0.121911 6 0.93597172 60
22 0.540657 3 0.94511114 61
23 0.378344 3 0.9891728 64
24 0.104124 4 0.99296301 66

2.3 PEMBAHASAN
Tabel 2.3

“Orifice
“Radon Released” (%)
Diameter”
0.37 80 83 83 85
0.51 75 75 79 79
0.71 74 73 76 77
1.02 67 72 74 74
1.4 62 62 67 69
1.99 60 61 64 66
(source : Montgomery Design and Analysis of Experiments 8th 2013)

Selanjutnya, data di atas akan di analisis dan dilakukan pengujian namun tanpa pengacakan
(yang digunakan untuk pengujian adalah data asli).

6
ANALISIS DATA

Berdasarkan kasus di atas, tujuan percobaannya yaitu mengetahui pengaruh orifice pada
shower terhadap radon yang dikeluarkan (dalam %). Perlakuannya yaitu Orifice pada shower,
sedangkan responnya yaitu radon yang dikeluarkan. Data di atas, mempunyai 6 perlakuan dengan
4 kali pengulangan. Data di atas mempunyai 24 unit eksperimen.

PENGUJIAN

2.3.1 UJI ANAVA

Analisis varian atau analysis of variance (Anova) biasa digunakan untuk menguji
perbandingan. Peneliti yang ingin menguji hipotesis komparasi (perbandingan) pada
umumnya menggunakan alat uji analisis varian. Karena itu analisis varian digunakan
untuk menguji hipotesis komparasi rata-rata k sampel. Sesuai dengan namanya, analisis
varian yaitu teknik analisis yang digunakan untuk menentukan apakah perbedaan atau
variasi nilai suatu variabel terikat itu disebabkan oleh atau tergantung pada
perbedaan (variasi) nilai pada variabel bebas.

Perhitungan Manual Anava

Selanjutnya, akan dilakukan Uji Anava (Analisis Varians) secara manual untuk
mengetahui apakah terdapat perbedaan pengaruh “Orifice Diameter” pada shower
terhadap “Radon Released”, langkah – langkahnya adalah sebagai berikut :

 Menentukan Model Linear

Yij     i   ij
Keterangan
Yij : Radon Release dari shower yang berdiameter ke – i replikasi ke – j
 : Rataan umum
i : Pengaruh “Orifice Diameter” ke – i
 ij : Pengaruh error pada “Orifice Diameter” ke – i replikasi ke – j

 Hipotesis

H0 :1   2   3   4   5   6  0 (“Orifice Diameter” tidak berpengaruh

terhadap “Radon Released”)
H1 : paling tidak ada satu  i  0 (“Orifice Diameter” berpengaruh terhadap “Radon
Released”)

Atau

7
 H 0 : 1   2   3   4  5   6  0 (semua “Orifice Diameter” memberikan
“Radon Released” yang sama)
H1 : paling tidak ada satu i  0 (“Orifice Diameter” memberikan “Radon
Released” yang berbeda)

 Menghitung Faktor Koreksi

dbtotal : N 1  24  2  32
dbperlakuan : a  1  6  1  5
dberror  dbtotal  dbperlakuan  23  5  18

Y..2 17372
FK   = 125715.375
N 24

 Menghitung JKT

𝑎 𝑛

𝐽𝐾𝑇 = ∑ ∑ 𝑌𝑖𝑗 2 − 𝐹𝐾
𝑖=1 𝑗=1
𝐽𝐾𝑇 = 126981 − 125715.375 = 1265.625

 Menghitung JKP

𝑎
𝑌𝑖𝑗 2
𝐽𝐾𝑃 = ∑ − 𝐹𝐾
𝑛𝑖
𝑖=1
507395
𝐽𝐾𝑃 = − 125715.375 = 1133.375
4

 Menghitung JKE

𝐽𝐾𝐸 = 𝐽𝐾𝑇 − 𝐽𝐾𝑃

𝐽𝐾𝐸 = 1265.625 − 1133.375 = 132.25

 Menghitung KTP

𝐽𝐾𝑃 1133.375
𝐾𝑇𝑃 = = = 226.675
𝑑𝑏 𝑝𝑒𝑟𝑙𝑎𝑘𝑢𝑎𝑛 6−1

 Menghitung KTE

𝐽𝐾𝐸 132.25
𝐾𝑇𝐸 = = = 7.347222222
𝑑𝑏 𝑒𝑟𝑟𝑜𝑟 (23 − 5)

8
 Menghitung Fhitung

𝐾𝑇𝑃 226.675
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = = = 30.85179584
𝐾𝑇𝐸 7.347222222

𝐹0,05;5;18 = 2.77

 Tabel ANOVA

Tabel 2.4
Jumlah
Derajat Bebas Kuadrat F-Hitung
Sumber Variasi Kuadrat
(db) Tengah (KT)
(JK)
Rata-rata 1 JKR (JKR)/1
Perlakuan k-1 JKP (JKP)/k-1 (KTP)/(KTE)
Error K∑(ni-1) JKE (JKE)/k ∑(ni-1)
Total nk ∑y2ij

Tabel 2.5
Jumlah
Derajat Bebas Kuadrat F-Hitung
Sumber Variasi Kuadrat
(db) Tengah (KT)
(JK)
Rata-rata 1 125715.375 125715.375
Perlakuan 5 1133.375 226.675 30.85179584

Error 18 132.25 7.347222222

Total 24 126981.375

 Kriteria Uji

Tolak H 0 jika FHitung  FTabel , terima dalam hal lainnya.

 Kesimpulan
Berdasarkan hasil perhitungan di atas, ternyata Fhitung = 30.85179584 >
F(0,05;5;18) = 2.77 maka H 0 ditolak, artinya “Orifice Diameter” berpengaruh terhadap
“Radon Released”, atau paling sedikit ada sepasang “Orifice Diameter” yang
memberikan “Radon Released” berbeda. Karena H 0 ditolak dan pengujian mempunyai

9
 kesignifkanan, maka perlu dilakukan uji lanjut setelah anava dengan asumsi bahwa data
tersebut mempunyai distribusi normal, kehomogenan varians, dan kebebasan error.

Perhitungan Komputasi Menggunakan Software (R)

H0 :1   2   3   4   5   6  0 (“Orifice Diameter” tidak berpengaruh

terhadap “Radon Released”)
H1 : paling tidak ada satu  i  0 (“Orifice Diameter” berpengaruh terhadap
“Radon Released”)

Selain dengan perhitungan manual, software R juga dapat digunakan untuk

membuat table anava. Dibawah ini merupakan syntax yang digunakan dalam membuat
table anava :

radon=c(80,83,83,85,75,75,79,79,74,73,76,77,67,72,74,74,62,62,67,69,60,61,64,66)
od=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4,5,5,5,5,6,6,6,6)
data=data.frame(od=factor(od),radon=radon)
hasil.aov=aov(radon~od,data)
summary(hasil.aov)

Df Sum Sq Mean Sq F value Pr(>F)

od 5 1133.4 226.68 30.85 3.16e-08 ***

Residuals 18 132.2 7.35

---

Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 Interpretasi Tabel

Pada hasil perhitungan di atas (summary) dapat dilihat bahwa derajat bebas atau
degress of freedom dari “Orifice Diameter” sebagai perlakuan dan residual atau error,
masing –masing yaitu 5 dan 18. Sementara, untuk Jumlah Kuadrat atau sum square
dari “Orifice Diameter” dan residual masing – masing yaitu 1133.4 dan 132.2.
Kemudian, nilai kuadrat tengah atau mean square diperoleh dari nilai sum square
dibagi oleh derajat bebas dari masing – masing “Orifice Diameter” dan residual yaitu
226.68 dan 7.35 .

Pada summary di atas, telah diketahui bahwa nila Fhitung yaitu sebesar 30.85 dan
Pr(<F) atau P-value yaitu sebesar 3.16e-08. Sedangkan untuk nilai Ftabel yaitu
𝐹0,05;5;18 = 2.77. Karena nilai F hitung > F table, maka dapat disimpulkan bahwa
H 0 ditolak dan pengujian signifikan, dan sesuai dengan perhitungan secara
manual. Disebelah nilai P-Value terdapat symbol *** yang artinya nilai tersebut akan
signifikan pada kode selain ***, atau mulai siginfikan pada 0,001.

10
 Perhitungan Komputasi Menggunakan Software (Minitab)

H0 :1   2   3   4   5   6  0 (“Orifice Diameter” tidak berpengaruh

terhadap “Radon Released”)
H1 : paling tidak ada satu  i  0 (“Orifice Diameter” berpengaruh terhadap “Radon
Released”)

Selain dengan perhitungan manual, software Minitab juga dapat digunakan untuk
membuat table anava. Dibawah ini merupakan hasil dari perhitungan menggunakan
software Minitab :

General Linear Model: Radon versus Orifice D

Factor Type Levels Values

Orifice D fixed 6 1, 2, 3, 4, 5, 6

Analysis of Variance for Radon, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

Orifice D 5 1133.38 1133.38 226.68 30.85 0.000
Error 18 132.25 132.25 7.35
Total 23 1265.63

S = 2.71058 R-Sq = 89.55% R-Sq(adj) = 86.65%

Unusual Observations for Radon

Obs Radon Fit SE Fit Residual St Resid

13 67.0000 71.7500 1.3553 -4.7500 -2.02 R

R denotes an observation with a large standardized residual.

 Interpretasi

Berdasarkan data di atas, dapat kita lihat bahwa nilai Fhitung  30.85 > dari nilai
Ftabel  2.27 dan dapat kita lihat juga bahwa nilai p-value = 0.000 < p = 0.05, maka
dengan taraf signifikansi 5% kita dapat menyimpulkan bahwa H0 ditolak, artinya benar
bahwa “Orifice Diameter” berpengaruh terhadap “Radon Released”. Untuk mengetahui
“Orifice Diameter” yang mana yang lebih baik / yang berbeda, maka diperlukan Uji
Lanjut setelah anova.

11
 2.3.2 PENGUJIAN ASUMSI

 Uji Asumsi Normalitas

Dengan menggunakan software Minitab, akan dilakukan uji asumsi normalitas

terlebih dahulu sebelum melakukan uji lanjut. Pengujian normalitas bertujuan untuk
mengetahui apakah residual data tersebut berdistribusi normal atau tidak. Hasil yang
didapat dari uji normalitas yaitu sebagai berikut :

H 0 : Residual Berdistribusi Normal

H 1 : Residual Tidak Berdistribusi Normal
α = 5%
Gambar 2.1
NORMALITY
Normal
99
Mean -9.25186E-18
StDev 1.022
95 N 24
KS 0.173
90
P-Value 0.063
80
70
Percent

60
50
40
30
20

10

1
-3 -2 -1 0 1 2 3
SRES2

Dalam grafik di atas, dapat kita ketahui bahwa nilai p-value yaitu = 0.063 > p =
0.05, maka H 0 diterima. Artinya, dengan taraf signifikan 5%, Residual data di atas
berdistribusi normal. Dalam grafik juga dapat kita ketahui bahwa pola sebaran datanya
berada di sekitar garis lurus (tidak ada yang berpencar), berdasarkan teori, jika pencaran
data berada di garis lurus ini menandakan bahwa data atau residual berdistribusi normal.

 Uji Asumsi Homogenitas Varians

Dengan menggunakan software Minitab, akan dilakukan uji asumsi homogenitas

varians terlebih dahulu sebelum melakukan uji lanjut. Pengujian homogenitas varians
bertujuan untuk mengetahui apakah variable perlakuan dan respon (“Orifice Diameter”
dan “Radon Released”) mempunya varians yang homogeny atau tidak. Hasil yang
didapat dari uji homogenitas varians yaitu sebagai berikut :

H 0 : Data bersifat 12homogen

H 1 : Data bersifat heterogen
α = 5%

12
 Gambar 2.2

Test for Equal Variances for Radon

Bartlett's Test
1
Test Statistic 1.82
P-Value 0.873
Lev ene's Test
2
Test Statistic 0.86
P-Value 0.526

3
Orifice D

0 5 10 15 20 25
95% Bonferroni Confidence Intervals for StDevs

Pada grafik sebelumnya, kita tahu bahwa residual nya berdistribusi normal.
Karena data berdistribusi normal, maka yang kita lihat adalah Bartlet Test. Dalam grafik
di atas, dapat kita ketahui bahwa nilai p-value yaitu = 0.526 > p = 0.05, maka H 0
diterima. Artinya, dengan taraf signifikan 5%, data di atas berdistribusi homogen atau
mempunya varians yang sama.

 Four In One

Gambar 2.3

13
 Plot kiri atas menunjukan bahwa residual pada data tersebut mengikuti distribusi
normal, plot kanan atas atau fitted value menunjukan bahwa data tersebut bersifat
homogen sedangkan kanan bawah atau versus order menggambarkan bahwa data
tersebut bersifat acak.

2.3.3 UJI LANJUT (UJI DUNCAN)

Perhitungan Manual Duncan

Uji DMRT berbeda dengan Uji BNT atau BNJ. Kalau pada Uji BNT atau
BNJ, perbandingan terhadap nilai-nilai rata-rata perlakuan hanya menggunakan satu
nilai pembanding, sedangkan Uji DMRT nilai pembandingnya sebanyak P – 1 atau
tergantung banyaknya perlakuan. Artinya apabila perlakuan anda berjumlah 10,
maka nilai pembandingnya sebanyak 9.

 Urutkan perlakuan berdasarkan nilai rata-ratanya

Tabel 2.6

No
“Orifice Diameter” “Radon Released” % average
Perlakuan
1 0.37 80 83 83 85 82,75
2 0.51 75 75 79 79 77
3 0.71 74 73 76 77 75
4 1.02 67 72 74 74 71,75
5 1.40 62 62 67 69 65
6 1.99 60 61 64 66 62,75

Tabel diatas merupakan tabel data awal yang ditambahkan dengan

rata-rata atau mean. Sesuai dengan langkah pertama, akan disusun perlakuan
berdasarkan nilai rata-ratanya mulai dari yang terkecil, maka hasilnya akan
sebagai berikut :

Tabel 2.7

Perlakuan average
1 82,75
2 77
3 75
4 71,75
5 65
6 62,75

14
  Hitung Nilai Duncan

KTE
R p  rp
r
rp  r : p:dbe
Karena ada sebanyak 6 perlakuan, maka akan terdapat 5 buah nilai
perbandingan (R ) , untuk melihat nilai rp  r : p:dbe maka digunakanlah Table for
Duncan’s Multiple Range Test.
7.347222
r2  r0.05:2:18  2.971 R2  2.971  4.02656058
4
7.347222
r3  r0.05:3:18  3.117 R3  3.117  4.224432624
4
7.347222
r4  r0.05:4:18  3.210 R4  3.210  4.350474406
4
7.347222
r5  r0.05:5:18  3.274 R5  3.274  4.437212837
4
7.347222
r6  r0.05:6:18  3.320 R6  3.320  4.499556084
4

 Perbandingan

H 0 : 1   2   3   4  5   6  0 (tiap perlakuan memberikan pengaruh

yang sama)
H1 : paling tidak ada satu i  0 (tiap perlakuan memberikan pengaruh yang
berbeda)

 1 Vs 2
d  Y 1  Y 2  5.75
Karena nilai d  4.0265058 maka H 0 ditolak, berarti perlakuan 1 dan
perlakuan 2 saling signifikan atau memberikan pengaruh yang berbeda.

 1 Vs 3
d  Y 1  Y 3  7.75
Karena nilai d  4.224432624 maka H 0 ditolak, berarti perlakuan 1 dan
perlakuan 3 saling signifikan atau memberikan pengaruh yang berbeda.

15
  1 Vs 4
d  Y 1  Y 4  11
Karena nilai d  4.350474406 maka H 0 ditolak, berarti perlakuan 1 dan
perlakuan 4 saling signifikan atau memberikan pengaruh yang berbeda.

 1 Vs 5
d  Y 1  Y 5  17.75
Karena nilai d  4.437212837 maka H 0 ditolak, berarti perlakuan 1 dan
perlakuan 5 saling signifikan atau memberikan pengaruh yang berbeda.

 1 Vs 6
d  Y 1  Y 6  20
Karena nilai d  4.499556084 maka H 0 ditolak, berarti perlakuan 1 dan
perlakuan 6 saling signifikan atau memberikan pengaruh yang berbeda.

 2 Vs 3
d  Y 2  Y 3  2
Karena nilai d  4.02656058 maka H 0 diterima, berarti perlakuan 2 dan
perlakuan 3 tidak signifikan atau keduanya memberikan pengaruh yang sama.

 2 Vs 4
d  Y 2  Y 4  5.25
Karena nilai d  4.224432624 maka H 0 ditolak, berarti perlakuan 2 dan
perlakuan 4 saling signifikan atau keduanya memberikan pengaruh yang berbeda.

 2 Vs 5
d  Y 2  Y 5  12
Karena nilai d  4.350474406 maka H 0 ditolak, berarti perlakuan 2 dan
perlakuan 5 saling signifikan atau keduanya memberikan pengaruh yang berbeda.

 2 Vs 6
d  Y 2  Y 6  14.25
Karena nilai d  4.437212837 maka H 0 ditolak, berarti perlakuan 2 dan
perlakuan 6 saling signifikan atau keduanya memberikan pengaruh yang berbeda.

 3 Vs 4
d  Y 3  Y 4  3.25
Karena nilai d  4.0265058 maka H 0 diterima, berarti perlakuan 3 dan
perlakuan 4 tidak signifikan atau keduanya memberikan pengaruh yang sama.

16
  3 Vs 5
d  Y 3  Y 5  10
Karena nilai d  4.224432624 maka H 0 ditolak, berarti perlakuan 3 dan
perlakuan 5 saling signifikan atau keduanya memberikan pengaruh yang berbeda.

 3 Vs 6
d  Y 3  Y 6  12.25
Karena nilai d  4.350474406 maka H 0 ditolak, berarti perlakuan 3 dan
perlakuan 6 saling signifikan atau keduanya memberikan pengaruh yang berbeda.

 4 Vs 5
d  Y 4  Y 5  6.75
Karena nilai d  4.0265058 maka H 0 ditolak, berarti perlakuan 4 dan
perlakuan 5 saling signifikan atau keduanya memberikan pengaruh yang berbeda.

 4 Vs 6
d  Y 4  Y 6  9
Karena nilai d  4.224432624 maka H 0 ditolak, berarti perlakuan 4 dan
perlakuan 6 saling signifikan atau keduanya memberikan pengaruh yang berbeda.

 5 Vs 6
d  Y 5  Y 6  2.25
Karena nilai d  4.0265058 maka H 0 diterima, berarti perlakuan 5 dan
perlakuan 6 tidak signifikan atau keduanya memberikan pengaruh yang sama.

 Kesimpulan:

Dapat dilihat bahwa dari sebanyak 1 k k  1  1 6(6  1)  15 buah

2 2
pasangan harga rerata perlakuan yang dibandingkan berdasarkan uji 17uncan
tersebut dapat disimpulkan bahwa terdapat perbedaan yang nyata dan
signifikan antara “Orifice Diameter” 1 dan 2, 1 dan 3, 1 dan 4, 1 dan 5, 1 dan
6, 2 dan 4, 2 dan 5, 2 dan 6, 3 dan 5, 3 dan 6, 4 dan 5, 4 dan 6. Sedangkan
untuk 2 dan 3, 3 dan 4, 5 dan 6.

Perhitungan Komputasi Menggunakan Software ®

orifice<-c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4,5,5,5,5,6,6,6,6)

radon<-c(80,83,83,85,75,75,79,79,74,73,76,77,67,72,74,74,62,62,67,69,60,61,64,66)

17
data=data.frame(orifice=factor(orifice),radon=radon)

hasil.aov<-aov(radon~orifice,data)

DUNCAN TEST TO COMPARE MEANS

Confidence Level: 0.95

Dependent Variable: radon

Variation Coefficient: 3.745183 %

Independent Variable: orifice

Factors Means

1 82.75 a

2 77 b

3 75 bc

4 71.75 c

5 65 d

6 62.75 d

 Interpretasi

Dari hasil duncan test di atas dapat disimpulkan bahwa perlakuan 1 dengan 5
perlakuan lainnya memiliki perbedaan yang signifikan. Perlakuan 2 memiliki beda
signifikan dengan perlakuan 4,5, dan 6, sedangkan perlakuan 2 dengan perlakuan 3
memiliki tingkat signifikansi yang rendah. Perlakuan 3 memiliki beda yang signifikan
dengan perlakuan 5 dan 6, sedangkan perlakuan 3 dan 4 memiliki tingkat signifikansi
yang rendah. Perlakuan 4 memiliki beda yang signifikan dengan perlakuan 5 dan 6.
Perlakuan 5 dengan perlakuan 6 tidak memiliki perbedaan atau non signifikan.

18
 BAB III
KESIMPULAN
Radon adalah gas yang paling berat dan berbahaya bagi kesehatan, sehingga dapat
disimpulkan bahwa “Radon Released” yang paling sedikit adalah dari perlakuan 6, atau dengan
kata lain adalah “Orifice Diameter” dengan diameter 1.99 adalah perlakuan yang terbaik karena
rata – rata “Radon Released” yang dikeluarkan adalah paling sedikit. Untuk perlakuan 1 atau
“Orifice Diameter” dengan diameter 0.37 adalah perlakuan yang paling buruk atau berbahaya
karena rata – rata “Radon Released” yang dikeluarkan adalah yang paling banyak.
Dari uji anova baik secara manual atau komputasi dapat dilihat bahwa tiap – tiap perlakuan
dari keenam perlakuan tersebut memiliki rata rata yang berbeda dengan kata lain tiapperlakuan
memberikan pengaruh yang berbeda, karena tiap tiap perlakuan memiliki rata – rata yang berbeda
maka akan dilakukukan uji lanjut. Ada berbagai macam uji lanjut diantaranya Least Significant
difference (LSD), uji tukey, dan uji duncan. Dari ketiga uji tersebut yang paling sensitif adalah uji
duncan.
Sebelum melakukan uji lanjut ada beberapa asumsi yang harus dipenuhi, dari data di atas
kedua asumsi tersebut terpenuhi, yang berarti kita dapat melanjutkan ke uji setelah anova. Dalam
kasus ini yang dibahas adalah uji duncan. Dari hasil uji duncan diatas dapat disimpulkan bahwa
hampir setiap perlakuan memberikan yang berbeda, kecuali perlakuan 2 dengan perlakuan 3 dan
perlakuan 3 dengan perlakuan 4 memiliki tingkat signifikansi yang rendah sedangkan untuk
perlakuan 5 dan perlakuan 6 memiliki pengaruh yang sama atau non signifikan.

19