Analisa Varians

(ANAVA)
1.Anava One Way
a. Sama Sampel
b. Beda Sampel
2.Anava Two Way
Dra. Linda A. Makalew, M.Kes. 1

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 1 ~

 Anava One Way
(SAMA SAMPEL)
Syarat :
1.Berdistribusi normal
2.Homogen
3.Minimal Interval
Dra. Linda A. Makalew, M.Kes. 2

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 2 ~

 Contoh Soal :
Dilakukan eksperimen untuk
mengetahui apakah ada
perbedaan prestasi pada mata
kuliah statistik pada kelas pagi,
siang dan malam. Diambil sampel
random masing-masing lima
mahasiswa. Hasil ujian statistik
mereka dalam standar 100,
ditunjukkan sebagai berikut :
Dra. Linda A. Makalew, M.Kes. 3

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 3 ~

 Klas Pagi Klas Siang Klas Malam
86 90 82
79 76 68
81 88 73
70 82 71
84 89 81

Bagaimana kesimpulannya, bila digunakan

taraf signifikansi 0,05 ?
Dra. Linda A. Makalew, M.Kes. 4

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 4 ~

Prosedur :
1. Formulasi Hipotesis
H0 : Prestasi mahasiswa dalam mata kuliah statistik
antara kelas pagi, siang dan malam adalah sama
H1 : Prestasi mahasiswa dalam mata kuliah statistik
dari tiga kelas tersebut berbeda atau paling
sedikit satu pasang berbeda
2. Memilih Uji Statistik  = 0,05
Anava One Way Sama sampel V1 2
3. Memilih taraf  = 0,05
V2
signifikansi dan
besar sampel n= 5
12 3,88
F ( ; v1;v2)= F(a ; (k-1);k(n-1))
4. Menentukan Fhitung > Ftabel
=F(a ; (3-1);3(5-1)) -> H0 ditolak
nilai tabel
=F(0,05 ; 2;12)=3,88
Dra. Linda A. Makalew, M.Kes. 5

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 5 ~

 5. Menentukan nilai hitung
Klas Pagi Klas Siang Klas Malam
86 90 82
79 76 68
81 88 73
70 82 71
84 89 81
Jumlah 400 425 375
Mean 80 85 75

x1k  x2 k  ...  xnk

xk 
nk
80  85  75
x   80
Dra. Linda A. Makalew, M.Kes. 3 6

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 6 ~

  x  x
k
2
Variance between
means j
j 1
S x2 
k 1
Sx 
2 80  80   85  80   75  80 
2 2 2
 25
3 1
Dugaan variance

 x  x
k
2
j ˆ 2  5  25  125
ˆ 2  n j 1

k 1 Dra. Linda A. Makalew, M.Kes. 7

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 7 ~

  x  xj 
n
2
i
Variance within groups
S 2j  i 1
n 1

S 2

86  80  79  80  81  80  70  80  84  80
2 2 2 2 2

5 1
1

S 2

90  85  76  85  88  85  82  85  89  85
2 2 2 2 2

5 1
2

S 2

82  75  68  75  73  75  71  75  81  75
2 2 2 2 2

5 1
3
Dra. Linda A. Makalew, M.Kes. 8

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 8 ~

 Dugaan variance

 x 
n
 xj
2
k ij

 i 1
n 1
̂ 2

j 1

k
38,5  35,0  38,5
ˆ 2
  37,3
3
Dra. Linda A. Makalew, M.Kes. 9

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 9 ~

  x  x
k
Nilai F 2
j
j 1
n
Fhitung  k 1
 x 
n
 xj
2
k ij

 j 1
i 1
n 1
k
125
Fhitung   3,35
37,3
Dra. Linda A. Makalew, M.Kes. 10

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 10 ~

 6. Kesimpulan

Fhitung  3,35 < Ftabel  3,89

Ho diterima
Prestasi mahasiswa dalam
mata kuliah statistik
antara kelas pagi, siang
dan malam adalah sama
Dra. Linda A. Makalew, M.Kes. 11

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 11 ~

 Dra. Linda A. Makalew, M.Kes. 14

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 12 ~

 P r o s e d u r SPSS:
1.PENGISIAN DATA
Variable View ->
Nilai_UAS -> Measures diisi
SCALE
Kls_Stat -> Values diisi 1=Kls_Pagi,
2=Kls_Siang, 3=Kls_Malam
-> Measures idem
Data View ->
Nilai_UAS -> 86, 79, 91,dst
Kls_Stat ->1;2;3 Dra. Linda A. Makalew, M.Kes. 15

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 13 ~

 Dra. Linda A. Makalew, M.Kes. 16

Dra. Linda A. Makalew, M.Kes. Anava Hand Out 1 ~ 14 ~