Bab 1

Analisis Variansi satu faktor

Single Factor Analysis Of
Variance (ANOVA)
 Analisis Variansi Satu Faktor
 Di MetStat 1 sudah dikenal uji hipotesis rata-rata
dua populasi A dan B yang berdistribusi Normal

H 0 :  A  B
H1 :  A  B

 Bagaimana jika terdapat lebih dari dua populasi?

 μA μB μC

Analisis variansi satu faktor

Untuk mengetahui ada tidaknya perbedaan tingkat faktor
(perlakuan) dalam populasi
Di lihat dari signifikansi rata-rata populasi
 LATAR BELAKANG ANOVA

Latar belakang dikembangkan metoda ini karena

ingin dilakukan UJI terhadap rata-rata populasi
yang mengalami “perlakuan” yg berbeda-beda.
Pertanyaannya : apakah perbedaan rata-rata antara
berbagai grup yg mengalami perlakuan berbeda tsb
signifikan atau tidak.

 ij ~ NID (0,  2 )
Asumsi untuk uji ANOVA adalah:
Populasi berdistribusi normal
Variansi populasi sama
Populasi independen
ANAVA ..?
 Analysis of variance (ANOVA) digunakan
untuk menyelidiki pengaruh/ efek utama dan
atau interaksi dari variabel independen
(disebut dengan “faktor” )

 Tingkat/ level yang berbeda dari faktor 

Perlakuan

 Variabel independen pada ANAVA ; kualitatif

 Pengaruh utama adalah efek langsung dari

suatu variabel independen terhadap variabel
dependen

 Pengaruh interaksi adalah efek bersama antar

satu atau lebih variabel independen terhadap
variabel dependen (anava 2 faktor)
 Contoh 1
Tiga kelompok subyek penelitian untuk menguji keakuratan
alat pengukur pH digital dengan 3 merek. Merek yang
dimaksud adalah merek I, II dan III. Merek dipilih yang
memiliki spesifikasi yang sama. Data hasil penelitian
adalah sebagai berikut:

Faktor  Merek

Perlakuan  merek I,
merek II,
merek III

Variabel terikat
Contoh 2 anava 1?
Seorang eksperimenter ingin mengetahui pengaruh antara
model pembelajaran (konvensional dengan LC5E), aktivitas
(Tinggi, Sedang dan Rendah) terhadap prestasi belajar
mereka. Tabel data di bawah ini.
Model Linier Anava satu Faktor

One- way atau single factor analysis of variance ?

 Karena hanya satu faktor yang diselidiki

Perlakuan yang digunakan diusahakan se-seragam mungkin,

completely randomized design (Rancangan Random Lengkap)

 Secara umum, jika n observasi dikenakana perlakuan maka model

linier statistik :

 i  1,.., a
yij     i   ij  (1)
 j  1,.., n
 i  1,.., a
 yij   i   ij 
 j  1,.., n
dengan  i     i
- -  rata - rata perlakuan ke - i
 yij : variabel terikat ke (ij)
 : rata-rata keseluruhan perlakuan (overall
means)
 i : pengaruh/efek perlakuan ke-i
 ij : sesatan dengan asumsi NID (0,  2 )

 i  1,.., a
yij     i   ij 
 j  1,.., n
Jika perlakuan dipilih tertentu oleh eksperimenter maka kesimpulan
uji tidak bisa digeneralisasikan untuk populasi perlakuan
 (1) merupakan MODEL EFEK TETAP

Jika perlakuan dipilih random dari populasi perlakuan oleh

eksperimenter maka kesimpulan uji dapat digeneralisasikan ke
seluruh populasi perlakuan
 (1) merupakan MODEL EFEK RANDOM/ components of variance
model
Asumsi Model Efek Tetap
a

 i
i 1

a
a


i 1
i  a

a a
 
     a

i 1
 i τ i 0
i i 1

Artinya asumsi model efek tetap :

Jumlah rata-rata perlakuan ke-i dibagi dengan
jumlah perlakuan sama dengan overal mean
Tabel data untuk percobaan faktor tunggal

N  an
Langkah-langkah Uji ANAVA 1 Faktor -
Model Efek Tetap
 i  1,.., a
i. Hipotesis: y ij     i   ij 
 j  1,.., n
H 0 :1   2     a  0
H 1 :  i  0(setidaknya satu i )

ii. Dipilih tingkat signifikansi 

Tiap observasi memuat overall mean dan error. Hal ini equivalen
menyatakan bahwa N observasi diambil dari distribusi Normal
dengan rata-rata  dan variansi  2 .
Artinya jika H0 benar maka perubahan tingkat faktor (perlakuan) ke-i,  i
tidak berpengaruh terhadap rata-rata respon
iii. Penentuan Tabel ANAVA  i  1,.., a
y ij     i   ij 
 j  1,.., n
 Partisi Jumlah Kuadrat (JK)

yij  y   y i   y   yij  y i 

 y    y 
a n 2 a n 2

ij  y  i  y   yij  y i 
i 1 j 1 i 1 j 1

 y 
a n 2

ij  y 
i 1 j 1
 
JK T

 y   2 y    y 
a n 2 a n a n 2

 i  y  i  y  yij  y i  ij  y i
i 1 j 1
  i 
1 j 1 i 1 j 1
  
JK P 0 JK S

 y    y    y 
a n 2 a n 2 a n 2

ij  y  i  y  ij  y i
i 1 j 1 i 1 j 1 i 1 j 1
     
JK T JK P JK S
 Partisi JK
Beberapa definisi variasi.
1. Variasi Total
Jumlah total kuadrat selisih data dengan rata-rata total
seluruh data (overall mean)

 
a n a n 2
y
JK T   y ij  y    y ij2  
2

N (2)
i 1 j 1 i j

2. Variasi Antar Sampel (atau Variasi karena Perlakuan)

Jumlah total kuadrat selisih rata-rata tiap sampel thd rata-rata
total (grand mean)
2

 y 
a n
JK P  i   y 
i 1 j 1
Buktikan
yi2 y2
a 2 dan 3
 
i 1 n N (3)
 Beberapa definisi variasi.
3. Variasi Random
Jumlah total kuadrat selisih data dengan rata-rata sampel yg terkait

 
a n 2

JK S   y ij  y i  JK T  JK P
i 1 j 1

iii. dari partisi JK disusun Tabel ANOVA 1 Jalan ...

Sumber JK db RK Fp
Variansi

Perlakuan JKP a-1 RKP=JKP/(a-1) Fp=RKP/RKS

Sesatan JKS a(n-1) RKS=JKS/a(n-1)
Total JKT an-1

iv. Daerah Kritis

Tolak H 0 jika Fp  Fdb(perlakuan),db(sesatan)
Tolak H 0 jika Fp  F(a-1 ),(a(n-1 ))
Derajat bebas (db)
 Derajat kebebasan (degrees of freedom, df)  jumlah total pengamatan
dalam sampel (N) dikurangi banyaknya kendali (linier) bebas atau
pembatasan (restriksi) yang diletakan atas pengamatan tadi.

 Angka derajat kebebasan adalah banyaknya pengamatan bebas dari total

pengamatan N

 Rumus umum untuk menentukan derajat kebebasan (db) adalah total

pengamatan (N) dikurangi banyaknya parameter yang ditaksir atau df = N
– banyaknya parameter yang ditaksir (k) (Gujarati, 1978).
TINGKAT SIGNIFIKANSI
 Menunjukkan besar batas toleransi menerima
kesalahan dari hasil hipotesis terhadap nilai
parameter populasi

 Semakin besar tingkat signifikansi maka

semakin besar pula kemungkinan menolak
hipotesis yang benar

 MERUPAKAN probabilitas mendapatkan

harga X dalam daerah kritis, apabila H0
benar

 Pengambilan tingkat signifikansi

tergantung dari eksperimenter
Estimasi dari rerata perlakuan ke-i  i

   
E y ij  E  i   ij  E  i   ˆ i  ˆ i ???

Qi    y ij   i 
n
2

j
yij     i   ij
 2  y ij  ˆ i   1  0
n
dQi
d i j
n n

 y  ˆij i 0
j j yij  i   ij
n

y
j
ij  nˆ i

y ij

 ˆ i
j

n
yi
ˆ i   y i
n
Estimasi Parameter dalam ANAVA 1 FAKTOR

y ij     i   ij

Dapat diketahui bahwa :

̂  y

Sehingga
PR

yˆ ij  ˆ  ˆi
ˆi  yˆ ij  ˆ
ˆi  y i  y 