TUGAS ILMU STATISTIKA

PENDUGAAN PARAMETER, ANAVA, ANAVA DUA ARAHDAN

ANAVA DUA ARAH DENGAN INTERAKSI

DISUSUN OLEH

AGNES PRISCHILIA HR.

Dosen Pembimbing
Mira Melisa, M. Si.

JURUSAN KEHUTANAN
FAKULTAS KEHUTANAN
UNIVERSITAS MUHAMMADIYAH SUMATERA BARAT
2019
1. Pendugaan Parameter

Salah satu aspek penting dalam statistik inferensia adalah pendugaan parameter
populasi. Misalnya,  dan 2 yang diduga dari statistik sampel x̅ dan s2. Dengan demikian
kesimpulan yang didapatkan merupakan kesimpulan tentang populasi yang dipelajari
berdasarkan contoh atau sebagian dari populasi tersebut. Dalam pendugaan parameter ini kita
akan membicarakan selang kepercayaan untuk nilai tengah () dan selang kepercayaan untuk
proporsi (p).

1.1. Pendugaan Nilai Tengah ()

1.1.1. Varian Populasi Diketahui

Salah satu penduga titik bagi nilai tengah populasi  adalah statistik x̅. Misalkan x̅
tersebar normal dengan 2 diketahui, maka selang kepercayaan (1-) 100% bagi  adalah:

P (-z/2  Z  z/2) = 1 

Selanjutnya dengan mengganti Z= yang merupakan sebaran normal baku akan

didapatkan:

P (-z/2  Z  z/2) = 1 

Sedang koefisien probabilitasnya atau koefisien keyakinannya adalah sebagai

berikut :
 
̅  z / 2
P(X    X
̅  z / 2 ) = 1-
√n √n

Dengan luas Z yang diberikan oleh P (Z < z/2)  P (Z  z/2) pada distribusi diatas.

Dengan mempertimbangkan rumus tersebut, maka diperoleh batas kepercayaan

terendah dan tertinggi berturut-turut :

̅  z / 2
Batas bawah = X
√n


Batas atas ̅  z / 2
=X
√n

Keterangan :

P = proporsi populasi
̅
X = nilai rata-rata contoh
z/2 = nilai Z tabel
 = simpangan baku (standar deviasi)
 = rata-rata populasi
n = ukuran sampel

1.1.2. Varian Populasi Tidak Diketahui

 Bila ragam populasi tidak diketahui, maka selang kepercayaan seperti pada
pendugaan nilai tengah dengan varian populasi tidak diketahui tidak dapat langsung
diterapkan. Meskipun s12 dan s12 merupakan penduga tak bias dari variansi populasi. Sehingga
perhitungan selang kepercayaan untuk (1  2) dengan titik kritis sebaran t tidak dapat begitu saja
diterapkan. Pembahasan ini secara khusu dibahas dalam pengujian hipotesis.
Bila ragam populasi 2 tidak diketahui dan ukuran contoh kecil (n<30), maka kita tidak
dapat menggunakan rumus dari normal baku Z, tetapi kita dapat menggunakan peubah t (sebaran
t). Maka selang kepercayaan (1 ) bagi  diberikan rumus dibawah ini :

s s
̅  t / 2
P( X    X
̅  t / 2 ) = 1-
√n √n

Dengan nilai t / 2 adalah nilai dari tabel dengan bebas (v) = n1.

Keterangan :

P = proporsi populasi
̅
X = nilai rata-rata contoh
t/2 = nilai t tabel
s = simpangan baku
 = rata-rata populasi
n = ukuran sampel

1.1.3. Selang Kepercayaan Untuk Kepercayaan

Taksiran suatu parameter populasi dapat diberikan berupa taksiran titik atau berupa
taksiran selang. Taksiran titik suatu parameter populasi θ merupakan nilai tunggal θ suatu
statistik Θ. Sebagai contoh, nilai 𝑥̅ suatu statistik 𝑋̅, dihitung dari suatu ukuran n,
merupakan taksiran titik parameter populasi μ. Statistik yang digunakan untuk
mendapatkan taksiran titik ≡ penaksir.
Taksiran selang untuk μ dari suatu populasi ialah suatu selang yang berbentuk 𝜇̂ 1<
μ < 𝜇̂ 2 , di mana 𝜇̂ 1 dan 𝜇̂ 2 tergantung pada nilai statistik 𝜇̂ . Biasanya 𝜇̂ = 𝑋̅, dengan kata
lain 𝜇̂ 1 dan 𝜇̂ 2 tergantung pada 𝑋̅. Atau 𝜇̂ 1= x̅ − k dan 𝜇̂ 2 = x̅ + k, dengan k ditentukan
dari distribusi sampel 𝑋̅.

Catatan :
 parameter adalah konstanta dari suatu distribusi yang nilainya tertentu tapi tidak
diketahui, misalnya μ & 2.
 perbedaan sampel (berlainan) memberikan nilai X yang berbeda, ini
mengakibatkan penaksiran selang bagi parameter μ berbeda pula.

Misalkan dari suatu distribusi sampel μˆ dapat ditentukan 𝜇̂ 1 dan 𝜇̂ 2, sedemikian

sehingga P = (𝜇̂ 1 < μ < 𝜇̂ 2) = 1 α. Maka dengan peluang (1 α).100% ini, sampel acak
yang diambil akan menghasilkan suatu selang yang mengandung μ.
 Contoh : Misalkan P = (𝜇̂ 1 < μ < 𝜇̂ 2) = 0.95. Artinya, yang dihitung berdasarkan
sampel acak yang diambil, disebut selang kepercayaan 95%, dengan kata lain kita percaya
95% bahwa selang yang dihitung mengandung parameter yang sesungguhnya dari
populasi.

1.1.4. Selang Kepercayaan Pada Distribusi Normal

Perhatikan gambar di atas. Selang kepercayaan (1 α).100% adalah selang pada
daerah yang diaksir, yaitu antara −zα/ 2 dan zα/ 2 . Misalkan ambil α = 0.05 = 5%, maka
1-α = 95%. Jadi, selang kepercayaan 95% adalah selang antara z25% dan z25% . Nilai ± zα/ 2
dinamakan nilai kritis dan diambil dari tabel normal. Di bawah ini beberapa nilai kritis z
untuk beberapa nilai α yang sering digunakan.

 Nilai zα /2

1% = 0.01 -2.57
5% = 0.05 -1.96
10% = 0.10 -1.64

1.1.5. Selang Kepercayaan Pada Distribusi T

Perhatikan gambar di bawah ini

Penggunaannya sama dengan selang kepercayaan pada distribusi normal. Nilai t

dapat dilihat dari tabel t, dengan v menyatakan derajat kebebasan dan 1 − α
menyatakanberapa persen selang kepercayaan yang diinginkan.
Perhatikan besarnya v :
 untuk data yang berasal dari 1 populasi : v = n – 1
  untuk data yang berasal dari 2 populasi yang saling bebas atau
tidak berpasangan : v = n1+ n2 −2.

2. ANAVA
2.1. PENGUJIAN HIPOTESIS
Uji hipotesis Statistik mempunyai tujuannya untuk mengetahui apakah data dari sampel
yang ada sudah cukup kuat untuk menggambarkan populasinya. Atau apakah bisa suatu
dilakukan generalisasi tentang populasi berdasarkan hasil sampel. Dalam pengujian
hipotesis ini dapat dilakukan dalam beberapa tahapan antara lain:

1. Menentukan H 0 dan H 1 yang pada prinsipnya adalah menguji karakteristik populasi

berdasarkan informasi yang diterima dari suatu sampel.
2. Menentukan tingkat signifikansi (), yaitu probabilitas kesalahan menolak hipotesis
yang ternyata benar. Jika dikatakan  = 5 % maka resiko kesalahan mengambil
keputusan adalah 5 %. Semakin kecil  berarti semakin kecil resiko kesalahan yang
dilakukan.
3. Menentukan apakah akan dilakukan uji sa tu sisi atau dua sisi

 Uji dua sisi pada pernyataan H0 dan H1 yang mengandung tanda pertidaksamaan (≠)
 Uji satu sisi pada pernyataan H0dan H1 yang hanya mengandung tanda pertidaksamaan
(< atau >)
 Menentukan statistik tabel dan statistik uji atau taraf signifikansi (sig.) atau “p value”
 Mengambil kesimpulan berdasarkan hasil statistik uji dan stat istik tabel.

2.1.1. Untuk statistik uji t (t test)

Pada uji t satu populasi ini akan menguji apakah rata- rata populasi sama dengan
harga tertentu. Sedangkan uji t dua sampel akan menguji apakah rata- rata dua populasi
sama ataukah berbeda secara nyata.
Ciri-ciri asumsi t test:
1. Jumlah sampel relatif kecil
2. t hitung bisa dipakai pada dua kemungkinan:
 Varian kedua populasi yang diuji sama
 Varian kedua populasi berbeda.
3. Sampel yang diambil berdistribusi normal atau dianggap mendekati normal.

2.1.2. Untuk statistik uji F ( F test)

Tujuan Anova atau uji F adalah sama dengan uji t, yakni menguji rata - rata
populasi, hanya disini menguji lebih dari dua populasi. Sedangkan tujuan uji F adalah
untuk menguji apakah varians dua populasi sama atau tidak. Asumsi dari Anova adalah
data sampel diambil dari populasi - populasi yang berdistribusi normal dan mempunyai
varian yang sama.

Catatan : jika kedua asumsi dalam Anova tidak terpenuhi, maka dapat dilakukan dengan
menambah data atau tranformasi data sampel. Tujuan tranformasi ini adalah hanya untuk
menormalkan data saja, jika data terlalu besar jumlahnya (ratusan bahkan ribuan) maka
distribusi data bisa dianggap normal tanpa perlu pengujian lagi.

2.1.3. Uji Hipotesis Satu Nilai Tengah

1). Ragam Populasi σ2 Diketahui
Untuk pengujian hipotesis satu nilai tengah dengan dasar nilai  yang telah
ditetapkan, kita dapat membuat suatu kaidah keputusan yaitu:

a. Untuk uji dua sisi (two-tailed test)

b. Untuk uji satu sisi (one - tailed test)

Contoh 1:
Suatu penelitian tentang kemampuan akademik mahasiswa jurusan matematika
angkatan 2006 lebih baik atau tidak daripada angkatan 2005. Diambil contoh acak
berukuran 20 dari populasi mahasiswa angkatan 2006. Dengan nilai tengah X= 75.
Berdasarkan informasi yang diperoleh dari BAK diketahui bahwa hasil nilai mahasiswa
angkatan 2005 tersebar secara normal dengan nilai tengah 70 dan ragam sebesar 144,
atau X~N (70,144). Dengan taraf nyata α = 5%, apakah kita dapat menyimpulkan
bahwa kemampuan mahasiswa angkatan 2006 lebih baik dibandingkan angkatan 2005
atau justru sebaliknya.
Uji Hipotesis tersebut adalah :
H0: μ= 70
lawan
H1 : μ ≠ 70

2). Ragam Populasi (σ2) Tidak Diketahui

Pada suatu kondisi tertentu kita tidak dapat mempergunakan sebaran Z bila ragam
populasi σ2 tidak diketahui. Untuk ukuran sampel kecil (n<30) kita bisa menggunakan
s2 untuk menduga σ2. Untuk menguji hipotesis H0: = 0 statistik uji kita adalah tidak
menggunakan rumus dari normal baku Z, tetapi kita dapat menggunakan menggunakan
sebaran t:

Statistik ini kemudian kita bandingkan titik kritis sebaran t (lihat tabel distribusi t)
dengan derajat bebasnya yang sesuai pada taraf nyata yang dipilih serta jenisnya yang
digunakan (satu ujung atau dua ujung) kemudian diputuskan diterima tidaknya H0.Jika
H0benar, maka kaidah keputusan kita adalah:
a. Untuk Uji Dua Sisi (Two-Tailed Test)
b. Untuk UjiSatu Sisi (One-Tailed Test)

Contoh 2:
Penelitian terhadap keakuratan isi minyak pelumas dalam kaleng 10 lt dipasaran. Dari
hasil penelitian diambil 10 kaleng minyak pelumas didapatkan rata-rata isi dari tiap
kaleng adalah 10.1, 9.9,9.8, 10.3, 10.2, 9.7, 9.8, 9.7, 9.7 dan 9.7 lt. Dengan = 1%
apakah rata-rata isi minyak pelumas tersebut lebih banyak atau
tidak?

c. Uji Hipotesis Selisih 2 Nilai Tengah

Jika dalam suatu penelitian diuji dengan 2 variabel, dimana antar variabel yang
diamati tersebut berpasangan, artinya dalam setiap pengukuran yang diukur adalah
pasangan (A,B). Karena pengamatannya secara berpasangan, maka dalam setiap
 pengamatan X A dan XB tidak lagi bebas sesamanya meski bebas antara pasangan
yang satu dengan pasangan yang lain. Dengan demikian untuk menguji apakah ada
perbedaan antara dua nilai tengah A dan B kita digunakan adalah dengan uji t-test
yang berpasangan.

2.1.4. Untuk statistik uji t (t test)

Pada uji t satu populasi ini akan menguji apakah rata- rata populasi sama dengan
harga tertentu. Sedangkan uji t dua sampel akan menguji apakah rata - rata dua populasi
sama ataukah berbeda secara nyata.

Ciri-ciri asumsi t test:

1. Jumlah sampel relatif kecil
2. t hitung bisa dipakai pada dua kemungkinan:
 Varian kedua populasi yang diuji sama
 Varian kedua populasi berbeda.

3. Sampel yang diambil berdistribusi normal atau dianggap mendekati normal.

2.1.5. Untuk statistik uji F (F test)

Tujuan Anova atau uji F adalah sama dengan uji t, yakni menguji rata- rata untuk
lebih dari dua populasi. Sedangkan tujuan uji F adalah untuk menguji apakah varian dua
populasi sama atau tidak. Asumsi dari Anova adalah data sampel diambil dari populasi -
populasi yang berdistribusi normal dan mempunyai varian yang sama.

Contoh 3:
Suatu penelitian terhadap kemampuan bahasa Inggris dari 15 siswa yang diberi dua materi
tes yaitu grammer dan translation diperoleh hasil sebagai berikut:

Siswa grammer Translation

1 80 67
2 81 66
3 84 65
4 78 60
5 75 68
6 79 84
7 90 86
8 79 61
9 67 63
10 83 67
11 70 75
12 74 75
13 80 80
14 80 80
15 71 76
dengan = 0.1. Adakah perbedaan nilai rata-rata dari kedua tes tersebut?

Hipotesis untuk menguji selisih dua nilai tengah sampel adalah sebagai berikut:
H0:  A= B atau A -B= 0
 lawan
H1: AB atau A - B0

2.1.6. Uji Hipotesis untuk satu proporsi

Misalkan kita mempunyai suatu populasi yang mengandung jenis tertentu dengan
proporsi N Xp. Dengan memakai sampel berukuran n yang mengandung jenis tertentu,
yaitu: nxpˆ, kita ingin menguji hipotesis parameter proporsi p yang diasumsikan nilainya
sama dengan p0, yaitu: p = p0, maka rumusan hipotesis untuk pengujian hipotesis tersebut
adalah:
1. Uji dua arah
H0: p = p0
Lawan
H1: p p0

2. Uji satu arah

H0: p = p0 H0: p = p0
lawan atau H1: p > p0 H0: p < p0
Dan jika H0 benar, maka statistik uji yang dipakai adalah

Contoh 4:
Seorang sales produk perekat keramik mempromosikan bahwa 95% produk perekat yang
dihasilkan perusahaan mempunyai daya rekat yang kuat. Seorang kontraktor membeli 200
kaleng perekat keramik dan terungkap bahwa 20 kaleng tidak sesuai dengan iklan yang
disampaikan. Dengan= 5%, apakah kita akan menerima atau menolak hipotesis awal?

2.1.1. Uji Hipotesis untuk dua proporsi

Pengujian hipotesis untuk parameter beda dua proporsi 21ˆˆpp adalah sebagai
berikut:

1. Uji dua arah

H0: p1= p2 lawan

H1: p1p2

2. Uji satu arah

H0: p1= p2H0: p1= p2 lawan atau

H1: p1> p2H0: p1< p2

Dan jika H0 benar, maka statistik uji yang dipakai adalah:

Contoh 5:

Suatu penelitian dilakukan untuk mempelajari pengaruh pupuk NPK terhadap peningkatan
hasil tanaman padi. Untuk itu diambil contoh 25 lahan percobaan yang diberi pupuk NPK
dengan dosis 20 % dan 25 lahan yang tidak diberi pupuk NPK. Pada saat pemanenan
didapatkan hasil pada 20 lahan percobaan yang diberi pupuk NPK mengalami peningkatan
hasil dan 5 lahan tidak diberi pupuk NPK mengalami peningkatan hasil. Dengan = 5%
apakah terdapat perbedaan hasil antara lahan yangtelahdiberi pupuk NPK dan tidak diberi
pupuk NPK?

3. ONE WAY ANOVA (ANAVA SATU ARAH)

ANOVA digunakan untuk mengetahui apakah data dari sampel yang ada sudah cukup
kuat untuk menggambarkan populasinya. Atau apakah bisa suatu dilakukan generalisasi
tentang
populasi berdasarkan hasil sampel.

Tujuan:
1. Menguji apakah rata-rata lebih dari duasampel berbeda secara signifikan atau
tidak.
2. Menguji apakah dua buah sampel mempunyai varians populasi yang sama
ataukah tidak.

Asumsi:
1. Populasi-populasi yang akan diuji berdistribusi normal.
2. Varians dari populasi-populasi tersebut adalah sama.
3. Sampel tidak berhubungan satu dengan yang lain.

Data:
Data kuantitatif dan kualitatif.

Contoh 1: Seorang petani ingin meningkatan hasil produksi padinya. Untuk itu dilakukan
percobaan pada lahan seluas 1 ha dengan cara meningkatkan dosis pupuk Ureanya. Untuk itu
dipakai pupuk Urea dengan dosis sebagai berikut: 0%, 10%, 20%, 30%, dan 40%. Dari hasil
percobaan tersebut dalam 3x panen (ulangan) diperoleh hasil sebagai berikut :

Dosis Pupuk Ulangan (Banyak panen) Jumlah (ton)

1 2 3
0% 5.0 5.5 6.3 16.8

10% 5.7 5.7 6.0 17.4

20% 6.2 7.3 6.5 20

30% 7.8 7.4 7.7 22.9

40% 7.6 8.1 7.2 22.9

Permasalahan : dengan taraf kepercayaan 95% adakah perbedaan hasil produksi padi dari
empat dosis pupuk yang berbeda tersebut?
4. TWO WAY ANOVA (ANAVA DUA ARAH)

Tujuan:
Menguji kesamaan vektor dari rata-rata variabel dependen pada berbagai grup.

Data:
Variabel Dependent adalah data kuantitatif dan grup (faktor) adalah data
kualitatif/numerik.

Contoh 1:
Plankton yang tertangkap pada lima jaring diklasifikasikan ke dalam empat jenis.
Hasil penangkapan setelah disusun dalam tabel dua arah sebagaimana terlihat dalam tabel
dibawah ini:

Jenis Jaring/Kelompok
Plankton 1 2 3 4 5

A 295 273 301 267 263

B 318 321 328 313 299

C 464 452 446 454 444

D 404 393 392 392 388

Permasalahan: dengantaraf kepercayaan 95% adakah perbedaan hasil antara jenis planton dan
jaring?

5. ANALISIS VARIANSI KLASIFIKASI 2 ARAH DENGAN INTERAKSI

Misalkan kita ingin meneliti pengaruh dua faktor A dan B pada suatu respon. Sebagai
contoh, dalam suatu percobaan kimia kita ingin mengubah tekanan reaksi dan waktu reaksi
secara serentak dan meneliti pengaruh masingmasing pada hasil reaksi. Dalam percobaan
biologi, mungkin ingin diteliti pengaruh waktu dan suhu pengeringan pada sejumlah bahan
padat (persen berat) yang tertinggal dalam sampel ragi. Misalkan dalam suatu eksperimen
terdapat dua faktor, yaitu faktor Baris dengan r perlakuan (level) dan faktor Kolom dengan c
perlakuan (level). Pengamatan pada setiap kombinasi perlakuan diulang sebanyak n kali. Jika
hasil pengamatan disajikan dalam bentuk tabel atau matrik, maka akan terdapat rc sel yang
setiap selnya memuat n amatan. Misalkan xijk menyatakan pengamatan ke-k yang diambil
pada perlakuan ke-i dari faktor Baris, dan perlakuan ke-j dari faktor Kolom. Seluruh data
pengamatan disusun seperti tabel di berikut ini :
 Perlakuan Perlakuan Kolom Total
Baris 1 2 … c
1 x111 x121 … x1k1 T1..
x112 x122 x1k2
… … …
x11n x12n x1kn
2 x211 x221 … x2k1 T2..
x212 x222 x2k2
… … …
x21n x22n x2kn
M M M … M M
r xr11 xr21 xrc1 Tr..
xr12 xr22 xrc2
… … …
xr1n xr2n xrcn
Total T.1. T.2. … T.c. T…

Setiap pengamatan dapat dituliskan dalam bentuk :

xijk = μ + αi +βj + (αβ)ij + εijk , untuk i=1,2,…r, j=1,2,…c, dan k=1,2,...,n
dengan
xijk : pengamatan perlakuan ke-i faktor Baris dan perlakuan ke-j faktor Kolom
μ : rata-rata umum
αi : pengaruh faktor Baris perlakuan ke-i
βj : pengaruh faktor Kolom perlakuan ke-j
(αβ)ij : pengaruh interaksi antara faktor Baris perlakuan ke-i dengan faktor

Kolom perlakuan ke-j

εij : error random dari pengamatan pada blok ke-i yang mendapat perlakuan ke-j.

Hipotesis yang akan diuji :

1. pengujian pengaruh (efek) utama
a. Ho : α1 =α2 = … =αr = 0 (tidak ada pengaruh faktor Baris)
H1 : tidak semua αi sama dengan nol (ada pengaruh faktor Baris)
b. Ho : β1 =β2 = … =βc = 0 (tidak ada pengaruh faktor Kolom)
H1 : tidak semua βi sama dengan nol (ada pengaruh faktor Kolom)
2. pengujian interaksi
Ho : (αβ)11 = (αβ)12 = … = (αβ)rc = 0 (tidak ada pengaruh interaksi)
H1 : tidak semua αi sama dengan nol (ada pengaruh interaksi)

Pengujian hipotesis dilakukan dengan membuat tabel seperti di bawah ini.

TABEL ANOVA (Analysis of Variances)

Sumber variasi Derajat Jumlah Kuadrat Tengah F
bebas Kuadrat (JK) (KT) hitung

Baris (B) r-1 JKB KTB=JKB/(r-1) F1=KTB/KTE

 Kolom (K) c-1 JKK KTK=JKK/(c-1) F2=KTK/KTE

Interaksi (I) (r-1)(c-1) JK(I) KTI = JKI/((r-1)(c-1)) F3=KTI/KTE

Error (Galat) rc(n-1) JKE KTE=JKE/(rc(n-1))

Total rcn-1 JKT

dengan
𝑟 𝑐 𝑛 2 𝑇…2
JKT = Jumlah Kuadrat Total = ∑𝑖=1 + ∑𝑗=1 + ∑𝑘=1 𝑥𝑖𝑗𝑘 −
𝑟𝑐𝑛
∑𝑟𝑖=1 𝑇𝑖..2 𝑇…2
JKB = Jumlah Kuadrat Baris = −
𝑐𝑛 𝑟𝑐𝑛
∑𝑐𝑗=1 𝑇.𝑗.
2
𝑇…2
JKK = Jumlah Kuadrat Kolom = −
𝑟𝑛 𝑟𝑐𝑛

∑𝑟𝑖=1 ∑𝑐𝑗=1 𝑇𝑖𝑗.

2
∑𝑟𝑖=1 𝑇𝑖..2 ∑𝑐𝑗=1 𝑇.𝑗.
2
𝑇…2
JKI = Jumlah Kuadrat Interaksi = − − +
𝑛 𝑐𝑛 𝑟𝑛 𝑟𝑐𝑛

JKE = Jumlah Kuadrat Error = JKT – JKB – JKK – JKI

Kriteria penolakan pada tingkat signifikansi α :

1. pengujian pengaruh (efek) utama
a. Ho : α1 =α2 = … =αr = 0 (tidak ada pengaruh faktor Baris)
H1 : tidak semua αi sama dengan nol (ada pengaruh faktor Baris)
Tolak Ho jika F1 > F(α, r-1, rc(n-1))
b. Ho : β1 =β2 = … =βc = 0 (tidak ada pengaruh faktor Kolom)
H1 : tidak semua βi sama dengan nol (ada pengaruh faktor Kolom)
Tolak Ho jika F2 > F(α, c-1, rc(n-1))

2. pengujian interaksi
Ho : (αβ)11 = (αβ)12 = … = (αβ)rc = 0 (tidak ada pengaruh interaksi)
H1 : tidak semua αi sama dengan nol (ada pengaruh interaksi)
Tolak Ho jika F3 > F(α, (r-1)(c-1), rc(n-1))

CONTOH :
Untuk menentukan kestabilan vitamin C dalam sari air jeruk pekat beku dan disimpan dalam
lemari es selama waktu sampai seminggu, telah dilakukan penelitian oleh jurusan Gizi dan
Makanan di Virginia Politechnic Institute and State University di tahun 1975. Tiga jenis sari
air jeruk pekat beku diuji dalam tiga jangka waktu yang berbeda. Jangka waktu menyatakan
jumlah hari sejak air jeruk diperas sampai diuji. Hasilnya (dalam mg asam askorbat per liter)
tercatat sebagai berikut :
 Merk Waktu (hari)

0 3 7
Richfood 52,6 54,2 49,4 49,2 42,7 48,8
49,8 46,5 42,8 53,2 40,4 47,6
Scaled-Sweet 56,0 48,0 48,8 44,0 49,2 44,0
49,6 48,4 44,0 42,4 42,0 43,2
Minute Maid 52,5 52,0 48,0 47,0 48,5 43,3
51,8 53,6 48,2 49,6 45,2 47,6
Gunakan tingkat signifikansi 5% untuk menguji hipotesis bahwa :
a. tidak ada perbedaan dalam kadar asam askorbat diantara merk sari air jeruk yang
berlainan.
b. tidak ada perbedaan kadar asam askorbat untuk jangka waktu penyimpanan yang
berlainan.
c. merek sari air jeruk pekat dan jumlah hari sejak air jeruk diperas sampai diuji tidak
berinteraksi.

Jawab :
Diketahui r = 3, c = 3, n = 4.

Langkah-langkah pengujian :
1. penulisan hipotesis
a. Ho : α1 =α2 =α3 = 0 (tidak ada perbedaan kadar asam askorbat diantara ketiga
merk)
H1 : tidak semua αi sama dengan nol (ada perbedaan kadar asam askorbat
diantara ketiga merk)
b. Ho : β1 =β2 = β3 = 0 (tidak ada pengaruh lama penyimpanan terhadap kadar
asam askorbat)
H1 : tidak semua βi sama dengan nol (ada pengaruh lama penyimpanan terhadap
kadar asam askorbat)
c. Ho : (αβ)11 = (αβ)12 = … = (αβ)33 = 0 (tidak ada pengaruh interaksi)
H1 : tidak semua (αβ)ij sama dengan nol (ada pengaruh interaksi)
2. α = 0,05
3. Daerah Kritis
a. Tolak Ho jika F1 > F(α, r-1, rc(n-1))  F1 > 3,35
b. Tolak Ho jika F2 > F(α, c-1, rc(n-1))  F2 > 3,35
c. Tolak Ho jika F3 > F(α, (r-1)(c-1), rc(n-1))  F3 > 2,73

4. Perhitungan :
Terlebih dulu dibuat tabel jumlah data tiap sel, tiap baris, dan tiap kolom sbb :
Waktu Merk Total
0 3 7
Richfood 203,1 194,6 179,5 577,2
Scaled-Sweet 202 179,2 178,4 559,6
 Minute Maid 209,9 192,8 184,6 587,3
total 615 566,6 542,5 1724,1

1,17242
JKT = 52,622 + 54,22 + ... + 45,2 2 + 47,6 2  = 83102,01 – 82570,02 =
36
531,99

577,2 2 + 559,6 2 + 587,3 2 1,17242

JKB = − =82602,77  82570,02 = 32,75
12 36
615 2 + 566,6 2 + 542,2 2 1,17242
JKK = − =82797,23 – 82570,02 = 227,21
12 36
203,1 2 + 194,6 2 +⋯ + 184,6 2 577,2 2 + 559,6 2 + 587,3 2
JKI =  
4 12
615 2 + 566,6 2 + 542,2 2 1,17242
+ = 82847,31 - 82602,77 - 82797,23 +
12 36

82570,02 = 17,33

JKE = 531,99 - 32,75 - 227,21 - 17,33 = 254,70

Sumber derajat Jumlah Kuadrat Kuadrat F hitung

variasi bebas (JK) Tengah (KT)
Baris (B) 2 32,75 16,375 F1= 1,736

Kolom (K) 2 227,21 113,605 F2= 12,043

Interaksi (I) 4 17,33 4,333 F3= 0,459

Error (Galat) 27 254,70 9,433

Total 35 531,99

5. Keputusan :
a. Terima H0
b. Tolak H0
c. Terima H0

6. Kesimpulan :
a. tidak ada perbedaan kadar asam askorbat diantara ketiga merk.
b. ada pengaruh lama penyimpanan terhadap kadar asam askorbat.
c. tidak ada pengaruh interaksi antara merk dengan lama penyimpanan terhadap
kadar asam askorbat dalam sari air jeruk.