Nama : 1.

Dina Sinaga

2. Siti Khuzaimah

Kelas : Matematika Nondik 2017

Mata Kuliah : Analisis Varians

ANALISIS VARIANSI SATU ARAH

Istilah analisis variansi berarti suatu teknik untuk menganalisis atau

menguraikan seluruh (total) variansi atas bagian-bagiannya yang bermakna.
Analisis variansi (ANOVA) adalah suau metode untuk menguji hipotesis
kesamaan rata-rata dari tiga atau lebih populasi.

Asumsi :

 Sampel diambil secara random dan saling bebas (independen)

 Populasi berdistribusi normal
 Populasi mempunyai kesamaan variansi

Misalkan kita mempunyai k populasi. Dari maisng-masing populasi diambil

sampel berukuran n . Misalkan pula bahwa k populasi itu bebas dan berdistribusi
normal dengan rata-rata 1 ,  2 ,,  k dan variansi  2 .

Hipotesa :

H 0 : 1   2     k
H 1 : Ada rata - rata yang tak sama

Uji ANOVA atau sering diistilahkan sebagai uji sidik ragam, dikembangkan
oleh Ronald Fisher. Prinsip pengujiannya adalah menganalisis variabilitas atau
keragaman data menjadi dua sumber variansi, yaitu variasi dalam kelompok
(Within) dan variasi antar kelompok (between). Bila variasi Within dan between
sama maka rata-rata yang dihasilkan tidak ada perbedaan, sebaliknya bila hasil
perbandingan kedua varian tersebut menghasilkan nilai lebih dari 1, maka rata-
rata yang dibandingkan menunjukkan adanya perbedaan.
 Analisis Varian (ANOVA) adalah suatu teknik statistik yang memungkinkan
kita untuk mengetahui apakah dua atau lebih mean populasi akan bernilai sama
dengan menggunakan data dari sampel masing-masing populasi. Digunakan untuk
menguji hipotesis komparatif rata-rata k sampel (jumlah lebih dari 2) bila datanya
interval atau rasio.

Konsep analisis variansi didasarkan pada konsep distribusi F dan biasanya

dapat diaplikasikan untuk berbagai macam kasus maupun dalam analisis
hubungan antara berbagai variabel yang diamati. Dalam perhitungan statistik,
analisis variansi sangat dipengaruhi asumsi-asumsi yang digunakan seperti
kenormalan dari distribusi, homogenitas variansi dan kebebasan dari kesalahan.

Asumsi kenormalan distribusi memberi penjelasan terhadap karekteristik data

setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa
variansi dalam masing-masing kelompok dianggap sama. Sedangkan asumsi
bebas menjelaskan bahwa variansi masing-masing terhadap rata-ratnya pada
setiap kelompok bersifat saling bebas.

Variansi bersama-sama rata-rata telah banyak digunakan untuk membuat

kesimpulan mengenai populasi, baik secara deskriptif maupun secara induktif
melalui penaksiran dan pengujian hipotesis mengenai parameter. Bila faktor yang
menjadi perhatian berupa satu faktor, misalnya pengaruh bentuk kemasan pada
tingkat penjualan, maka ANOVA yang digunakan adalah satu arah. Disebut satu
arah karena pusat perhatian kita hanya satu, dalam hal ini bentuk kemasan.

 Pengujian Klasifikasi Satu Arah

Pengujian klasifikasi satu arah merupakan pengujian hipotesis beda tiga rata-
rata atau lebih dnegan satu faktor yang berpengaruh. Langkah-langkah pengujian
klasifikasi satu arah ialah sebagai berikut :

1. Menentukan Formulasi Hipotesis

H 0  1   2     k

H 1  1   2     k

2. Menentukan taraf nyata   beserrta F tabel

 Taraf nyata   ditentukan dnegan derajat pembilang v1  dan derajat
penyebut v 2 .v1  k  1 dan v 2  k n  1.F v1 ,v2   

3. Menentukan kriteria pengujian

H 0 diterima apabila F0  F v1 ,v2 
H 0 ditolak apabila F0  F v1 ,v2 

4. Membuat analisis variansinya dalam bentuk tabel ANOVA

Sumber Jumlah Derajat Rata-rata
F0
Variansi Kuadrat Bebas Kuadrat
Rata-rata JKK
JKT K 1 s12 
kolom k 1

JKE s12
Error JKE K N 1 s 22 
k n  1 s 22
Total JKT Nk  1
Untuk ukuran sampel yang sama banyak, maka :
k n
T2
JKT   x  2
ij
i 1 j 1 nk

JKK 
 k
T
i 1 i
2


T2
n nk

JKE = JKT - JKK

k = kolom
n = baris
Sedangkan untuk sampel yang tidak sama banyak, maka :
k n
T2
JKT   x  2
ij
i 1 j 1 N

JKK 
 k
T
i 1 i
2


T2
ni N

JKE = JKT – JKK

Derajat bebas error = N – k
N = jumlah sampel
 Selain menggunakan tabel ANOVA, analisis varians dapat juga dilakukan
secara langsung dengan menggunakan langkah-langkah berikut :
 Menentukan rata-rata sampel (rata-rata kolom)
 Menentukan varians sampel
 Menentuka rata-rata varians sampel
 Menentuka varians rata-rata sampel

n x varians rata - rata sampel

F0 
rata - rata varians sampel

5. Membuat kesimpulan
Menyiapkan H0 diterima atau ditolak dengan membandingkan antara
lagkah ke-4 dengan kriteria pangujian pada langkah ke-3.

Analisis Varian Rangking Satu Arah Kruskal-Wallis

Fungsi

Analisis Varians rangking satu arah Kruskal-Wallis ini adalah test yang
sangat berguna untuk menetukan apakah k sampel independet berasal dari
populasi populasi yang berbeda. Teknik Kruskal-Wallis menguji hipotesis nol
bahwa k sampel berasal dari populasi sama atau populasi-populasi identik, dalam
hal harga atau rata. Tes ini membuat anggapan bahwa variabel yang dipelajari
mempunyai distribusi kontinu. Tes ini menuntut pengukuran variabelnya paling
lemah dalam skala ordinal.

Tes Kruskal-Wallis menentukan apakah jumlah rangking itu sangat berlainan

sehingga sangat kecil kemungkinan bahwa sampel-sampel itu semua ditarik dari
populasi yang sama. Dapat ditujukan bahwa jika seluruh k sampel itu memang
benar-benar dari populasi yang sama atau populasi-populasi yang identik, yakni
jika H 0 benar, maka H (statistik yang dipergunakan dalam tes Kruskal-Wallis ini
dan didefenisikan dengan rumus dibawah) berdistribusi Chi Kuadrat dengan
db  k  1, dengan syarat bahwa ukuran ukuran k sampel itu tidak terlalu kecil.
Yaitu :

k R2
 3N  1
12
H 
j

N N  1 j 1 n j

Dimana

k = banyak sampel

n j = banyak kasus dalam sampel ke –j

N= n j = banyak kasus dalam semua sampel


j 1
= menunjukan kita harus menjumlahkan seluruh k sampel (kolom-kolom)

mendekati distribusi Chi-Kuadrat dengan db  k  1, untuk ukuran-ukuran

sampel (harga n j ) yang cukup besar.

Kalau terdapat lebih dari 5 kasus dalam berbagai kelompok, yakni n j > 5,

kemungkinan yang berkaitan dengan terjadinya, dibawah H 0 , harga-harga

sebesar H observasi dapat ditentukan dengan menggunakan tabel sebagai acuan.
Jika harga observasi H sama dengan atau lebih besar dari pada harga Chi-Kuadrat
yang ditunjukkan dalam tabel untuk tingkat signifikansi yang telah ditetapkan,
dan untuk harga observasi db  k  1, maka H 0 dapat ditolak pada tingkat

signifikansi tersebut. Kalau k  3 dan banyak kasus dalam masing-masing

sampelnya lima atau kurang, pendekatan Chi Kuadrat pada distribusi sampling H
tidak cukup baik.

Langkah-Langkah Dalam Analisis Varian Rangking Satu Arah Kruskal-

Wallis :

1. Berilah rangking-rangking observasi- observasi untuk kekelompok itu

dalam suatu urutan dari 1 hingga N.
2. Tentukan harga R (jumlah rangking) untuk masing-masing k kelompok
itu.
3. Jika suatu proporsi yang besar diantara observasi-observasi itu berangkat
sama, hitunglah harga H dari rumus.
4. Metode untuk menilai signifikansi harga observasi H bergantung pada
ukuran (besar) k dan pada ukuran (besar) kelompok-kelompok itu :
a. Jika k  3 dan jika n1 , n2 dan n3  5, maka dapat dipakai untuk

menentukan kemungkinan yang berkaitan, dibawah H 0 ,dengan suatu

H yang sebesar H observasi.
b. Dalam kasus-kasus lain, signifikansi suatu harga sebesar harga
observasi H dapat ditaksir dengan menggunakan tabel db  k  1.
5. Jika kemungkinan yang berkaitan dengan harga observasi H adalah sama
dengan atau kurang dari α, tolak lah H 0 dan terimalah H 1