Anda di halaman 1dari 4

BAB 9.

ANALISIS RAGAM

9.1. Hipotesis Uji


Andalkan ada p populsi, masing-masing dengan nilai tengah µ 1, µ2, µ3,.... µp. Hipotesis yang
diuji dalam analisis ragam adalah
H0 : µ1 = µ2 =..... = µ0; Semua nilai tengah tersebut adalah sama hipotesis tandingannya
adalah
H1 : ꓱ µ1 ≠ µ2 yntuk i ≠ j; Ada sekurang-kurangnya sepasang nilai tengah µ 1 dan µ1 yang
tidak sama.
9.2. Penguraian Jumlah Kuadrat Simpangan
Data dengan identitas populasi dengan masing-masing ukuran contoh n1 dapat dicatat
sebagai xp i adalah indeks populasi dengan i dari 1 sampai dengan p, dan j adalah indeks
contoh untuk masing-masing populasi dengan j dari 1 samapai dengan n1.
Xi = (1/n) ∑j xj dengan j = 1,2,...., ni
X = (1/҅҅∑
҅ i ni ) ∑i ∑j xj dengan i = 1,2,... p; j= 1,2,..., ni

Jumlah kuadrat simpangan data dari nilai-tengah data keseluruhan, sebut sebagai jumlah
kuadrat total (JKTotal), dapat diuraikan sebagai berikut:
JKTotal = ∑i ∑j (xp – X)2
=
∑i ∑j ((xp- Xi) + (Xi – X)2)
=∑i∑j ((xp- Xi) 2+2 ( xpj- Xi)(Xi – X) + (Xi – X)2)
=∑i∑j (xp – X)2 ∑i∑j2 (xp- Xi) (Xi – X) + ∑i∑j (Xi – X)2)
Suku pertama ruas kanan persamaan ini menunjukkan jumlah kuadrat simpangan data
masing-masing rataan kelompoknya, sedangkan suku kedua menyatakan jumlah kuadrat
simpangan rataan kelompok dari rataan umum. Selanjutnya, sebut jumlah kuadrat
simpangan dari masing-masing rataan kelompok sebagai jumlah kuadrat simpangan dari
masing-masing rataan kelompok sebagai jumlah kuadrat galat (JKGalat), dan jumlah
kuadrat simpangan rataan kelompok dari rataan umum sebagai jumlah kuadrat kelompok
(JKKelompok).
9.3. Uji Nisbah Ragam
Jika masing-masing peubah acak bersebaran normal, xi = n(µiσi) dengan JKTotal =
JKKelompok = JKGalat yang diikuti engan dbTotal = dbKelompk +dbGalat, menjamin
bahwa S2kelompok/σ2kelompok dan S2galat/σ2galat adalah saling bebas.
F = S2kelompok/σ2kelompok / S2galat/σ2galat
9.4. Nilai- p Pengujian
Sesuai dengan kriteria ujinya, nilai-p ujia nisbah ragam didefenisikan sebagai besarnya
peluang Fp-1 ∑(n-1) lebih besar dari Fhitung p (Fp-1 ∑(n-1) > Fhitung) menunjukkan maksimum
besarnya peluangbsalah satu jenis-l pada uji nisbah ragam.
9.5. Tabel Analisis Ragam
Hasil analisis ragam biasanya dalam bentuk tabel analisis ragam yang menampilkan,
sumber keragaman, jumlah kuadraat, derajat bebas, kuadrat tengah dan Fhitung. Nilai Fhitung
dapat dibandingkan dengan Fp-1 ∑(n-1), jika ia lebih dari Fp-1 ∑(n-1) maka µ0 : µ1 = µ2 = µ3
= ....... µp tertolak pada taraf nyata a.
9.5.1 Sumber Keragaman Sebagai Faktor
Sumber ragam yang ditampilkan dalam tabel analisis ragam secara umum dikenal
pula sebagai faktor, sedangakn peubah pengukuran yang nilai-tengahnya
diperbandingkan (y1) dinamakan peubah respon. Faktr yang dipertimbangkan suau
analisisragam dapat berupa atribut pengamatan yang mengacu pada pengelompkkan
pengamatan, dapat pula berupa perlakuan yang diberikan secara sengaja.
9.5.2 Model Linear Analisis Ragam
uji nisbah ragam dilandasi dengan Fhitung dilandasi oleh suatu model linear yang
menyatakan hubungan antara nilai-nilai pengamatan dengan pengaruh faktor. Apabila x i
adalah nilai peubah respon pada tarap faktpr ke-i ulangan ke-j, µ adalah nilai tengah atau
nilaiharapan peubah respon, r1 adalah besarnya simpangan pengamatan karena pengaruh
faktor pada tarap i, dan εi adalah besarnya simpangan pengamatan karena faktor galat
pada tarap faktor ke-i ulangan ke-j, maka model linear yang digunakan adalah:
xi = µ + r1 + εi

9.5.3 Koefisien Determinasi


Untuk model linear yang dipasang dalam analisisragam, koefisien determinasi
dilambangkan dengn R2
JKGalat
R2 = 1− x 10 0 %
JKTotal
Koefisien determinasi menunjukkan persentase keragaman data yang dapat dijelaskan
model. Angka ini menggambarkan keeratan fata dengan model dipasang. Nilai R2 adalah
antara 0 dan 100% nilai R2 yang menunjukkan erat antara data dengan model.
9.6. Pembandingan Lanjut
Uji beda nyata kecil adalah salah satu uji lanjutan untuk menelaah perbedaan antar
populasi. Uji nyata kecil pada prinsipnya adalah uji neda dua nilai tengah atas hipotesis
Ho : µ1 = µ2; H1 µ1 ≠ µ1
Uji T pada taraf nyata a untuk hipotesis tersebut menggunakan aturan uji
X 1−X 2
Tolak Ho jika |t |> tn/2, t = 1 1

9.7. Analisis Ragam Klasifikasi Dua Arah



Sgab +
n1 n1

Sumber keragaman yang diperhitungkan disamping gelat, dalam kasus ini yaitu
kelompok atau faktor. Dalam kasus lain dua faktor mungkin perlu dipertimbangkan
pengaruhnya terhadap peubah respin. Dengan faktor ini maka analisis ragamnya dikenal
sebagai Analisis Ragam Klasifikasi Dua Arah.
Data dicatat sebagai xi, i adalah indeks faktor pertama dengan i dari 1 sampai dengan p, j
adalah indeks faktor kedua dengan j dari 1 sampai dengan r. Kemudia Xi, disebut sebagai
rataan respon menurut faktor pemupukan, Xj sebagai rataan respon menurut faktor lokasi
dan X sebagai rata umum.
BAB 10. REGRESI DAN KORELASI

10.1. Korelasi

Jika (X,Y) = ((x1,y1), (x2,y2), .... (xn,yn)0 merupakan pengamatan berpasangan. Korelasi antara
dua peubah pengukuran X dan Y dinyatakan sebagai:
n
( xi−X ) ( y 1−Y )

rx = n n

√∑
i=1

i=1
( xi−X ) 2
√∑
i=1
( y 1−Y ) 2

nilai korelasi X-Y yang bernilai 0 menunjukkan tidak adanya korelasi antar peubah tersbeut.
Besarnya nilai peubah Y adalah bebas, tidak terkait dengan besarnya nilai peubah X,
demikian pula nilai peubah X aadalah bebas, tidak terkait dengan besarnya nilai peubah Y
yang besar pula, dan nilai peubah X yang kecil berasosiasi dengan niali peubah Y yang kecil
pula, maka dinyatakan bahwa X-Y berkorelasi positif dan mempunyai nilai korelasi berkisar
0 dan 1.

10.2 Regresi Sederhan

Jika X adalah peubah bebas dan Y adalah peubah tak bebas maka persamaan regresi linear Y
dan X dinyatakan sebagai berikut:

Y = β0 + β1X

persamaan regeresi linear peubah tak bebas pada peubah bebas X tersebut menggambarkan
hubungan antara besarnya nilai peubah Y dengan besar nilai peubah X; besarnya nilai Y
ditentukan oleh besarnya nilai X menurut persamaan regresi linear tersebut dengan intersepda
β0 dan gradien β1 yang sering juga disebut koefisien regresi.

Persamaan regresi tersebut menyatakan bahwa nilai Y akan bertambah sebesar β1 stiap kali
nilai X bertambah satu satuan, dan apabila X bernilai nol (0), maka nilai Y sebesar β0, β1
menyatakan besarnya perubahan nilai Y pada setiap satuan perubahan nilai X

Δy
β1 =
Δx

10.3 Metode Kuadrat Terkecil

Dengan metode ini maka diperoleh sebuah garis lurus yang menghasilkan jumlah kuadrat
sampingan(yi-Y1), paling kecil dengan ), paling kecil dengan Yi = bs + b1 x1, b0 adalah statistik
pendugaan bagi β0 dan b1 adalah statistik penggunaan β1
n i

[ ]
Min ∑ ( y i−Y 1 ) 2 = ∑ y 1 - (b0 + b1 x1))2)
i=1 n =1

10.4 Regresi Ganda


Regresi ganda adalah regresi suatu peubah respon pada lebih dari satu peubah penjelas.
Penyelesaian regeresi peubah ganda dapat dibuat secara sederhana dengan menggunakan
notasi matriks. Dalam suatu notasi matriks ditulis regresi ganda dengan p peubah penjelas
berdasarkan n pengamatan:

Y= Xβ + c

Dengan Y adalh ventor peubah respon berukuran n X 1, X adalah matriks peubah penjeas
berukuran n X (p+1), β adalah ventor koefisien regresi berukuran (p+1) X 1 dan ε adalah
vektor galat berukuran n X 1.