PENDAHULUAN
Pada bab ini akan membahas tentang penahuluan pada praktikum statistika
dan optimasi sistem industri modul two way anova.
1.1 Latar Belakang
Sejalan dengan perkembangan zaman, orang cenderung memilih jalan atau
cara yang efisien untuk memperoleh hasil yang maksimal. Demikian pula halnya
dengan orang yang sedang mempelajari materi two way anova, ingin memahami
konsep dengan cara yang mudah dan cepat dan mendapatkan hasil yang
maksimal. Penelitian tentu saja dapat dilakukan tanpa bantuan dari statistik, ini
berlaku terutama pada penelitian kualitatif yang mengutamakan analisa berbentuk
analitik. Namun tidak selalu penelitian kualitatif tidak membutuhkan bantuan
statistik.
Anova two way atau analisis varians dua arah memiliki perbedaan dibanding
anova satu arah. Perbedaannya adalah pada jumlah variabel independent. Pada
anova satu arah hanya ada satu variabel independent, sementara pada anova dua
arah ada dua atau lebih variabel independent. Anova dua arah dibedakan menjadi
dua, yakni anova dua arah tanpa interaksi dan dengan interaksi. Pada pembahasan
kali ini, ditekankan hanya pada anova dua arah tanpa interaksi.
Anava atau anova adalah sinonim dari analisis varians terjemahan dari
analysis of variance, sehingga banyak orang menyebutnya dengan anova. Anova
merupakan bagian dari metoda analisis statistika yang tergolong analisis
komparatif lebih dari dua rata-rata. Anova dua arah tanpa interaksi merupakan
pengujian hipotesis beda tiga rata-rata atau lebih dengan dua faktor yang
berpengaruh dan interaksi antara kedua faktor tersebut ditiadakan. Tujuan dari
pengujian anova dua arah adalah untuk mengetahui apakah ada pengaruh dan
berbagai kriteria yang diuji terhadap hasil yang diinginkan. Anova two way atau
pengujian anova dua arah yaitu pengujian anova yang didasarkan pada
pengamatan dua kriteria.
1.2 Tujuan Praktikum
Berikut ini adalah tujuan dari praktikum statistika dan optimasi sistem
industri modul two way anova adalah:
1. Mampu memahami definisi dari two way anova.
2. Mampu menyebutkan langkah-langkah pengujian dari two way anova.
3. Mampu memahami uji asumsi two way anova
BAB 2
KAJIAN PUSTAKA DAN DASAR TEORI
Pada bab ini akan membahas tentang kajian pustaka dan dasar teori pada
praktikum statistika dan optimasi sistem industri modul two way anova.
2.1 Pengertian Anova
Menurut Santoso (2018), analisis varian (anova) adalah suatu metode untuk
menguraikan keragaman total data menjadi komponen-komponen yang mengukur
berbagai sumber keragaman. Anova digunakan apabila terdapat lebih dari dua
variabel. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain,
seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan
pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam
pengambilan keputusan.
Menurut Besral (2010), untuk mengatasi masalah tersebut maka uji
statistik yang dianjurkan (uji yang tepat) dalam menganalisis beda lebih dari dua
mean kelompok independen adalah uji anova atau uji-F. Analisis varian (anova)
mempunyai dua jenis yaitu analisis varian satu faktor (one way anova) dan analsis
varian dua faktor (two ways anova). Pada bab ini hanya akan dibahas analisis
varian satu faktor.
Beberapa asumsi yang harus dipenuhi pada uji anova adalah:
a) Sampel berasal dari kelompok yang independent.
b) Varian antar kelompok harus homogen.
c) Data masing-masing kelompok berdistribusi normal.
Menurut Marpaung (2017), uji anova adalah bentuk khusus dari analisis
statistik yang banyak digunakan dalam penelitian eksperimen. Uji anova juga
adalah bentuk uji hipotesis statistik di mana kita mengambil kesimpulan
berdasarkan data atau kelompok statistik inferentif. Hipotesis nol dari uji anova
adalah bahwa data adalah simple random dari populasi yang sama sehingga
memiliki ekspektasi mean dan varians yang sama.
2.2 Definisi Two Way Anova
Menurut Hamdani (2013), anova two way atau analisis varians dua arah
memiliki perbedaan dibanding anova satu arah. Perbedaannya adalah pada jumlah
variabel independent. Pada anova satu arah hanya ada satu variabel independent,
sementara pada anova dua arah ada dua atau lebih variabel independent. Anova
dua arah dibedakan menjadi dua, yakni anova dua arah tanpa interaksi dan dengan
interaksi. Pada pembahasan kali ini, ditekankan hanya pada anova dua arah tanpa
interaksi. Anova two way atau pengujian anova dua arah yaitu pengujian anova
yang didasarkan pada pengamatan dua kriteria. Setiap kriteria dalam pengujian
anova mempunyai level. Pengujian anova dua arah mempunyai tujuan untuk
mengetahui apakah ada perbedaan dari berbagai kriteria yang diuji terhadap hasil
yang diinginkan.
Menurut Utami (2015), analisis varians dua jalur digunakan untuk
menganalisis pengaruh antara satu variabel (variabel bebas) atas variabel lainnya
(tak bebas) dan variabel-variabel tersebut diukur dalam taraf yang sesuai.
2.3 Rumus Two Way Anova
Menurut Zaien (2016), berikut ini rumus yang digunakan two way anova
untuk menentukan hasil. Berikut ini rumus yang digunakan untuk menghitung two
way anova tanpa interaksi yaitu:
k
T 2i T ¿∗¿ 2
JKB=∑ − ¿ ................................................................................... Rumus
i=1 k rk
1
T 2¿ j T ¿∗¿
k
2
JKK =∑ − ¿ .................................................................................. Rumus
i=1 r rk
2
r k
r ¿∗¿
JKT=∑ ∑ x2i j−
2
¿ ........................................................................... Rumus 3
i=1 j=1 rk
JKG=JKT −JKB−JKK ............................................................................ Rumus 4
Sumber: Zaien, 2016
Keterangan:
r = Banyak baris
k = Banyak kolom
n = Banyak ulangan
Xijm = Data baris ke-i, kolom ke-j dan ulangan ke-m
Ti** = Total baris ke-i
Tij* = Total sel di baris ke-I dan kolom ke-j
T*j* = Total kolom ke-j
2.4 Langkah-Langkah Pengujian
Menurut Zaien (2016), langkah-langkah pengujian klasifikasi dua arah tanpa
interaksi adalah sebagai berikut:
a) Menentukan formulasi hipotesis.
b) Menentukan taraf nyata (α) dan F tabelnya.
c) Menentukan kriteria pengujian.
d) Membuat analisis varians dalam bentuk tabel anova seperti pada tabel 1 jika
tanpa interaksi dan seperti tabel 2 jika dengan interaksi.
e) Membuat kesimpulan.
2.5 Uji Asumsi Two Way Anova
Menurut Dewi (2016), ada beberapa uji asumsi klasik yang terdiri dari:
a) Uji Homogenitas
Uji homogenitas dilakukan dengan menggunakan levene’s test of
homogeneity of variance. Jika nilai Levene test signifikan (probabilitas <
0,05) maka grup memiliki varian yang berbeda dan hal ini menyalahi
asumsi. Jadi yang dikehendaki adalah levene test tidak signifikan
(probabilitas ≥ 0,05).
b) Uji Normalitas
c) Uji normalitas dilakukan untuk mengetahui apakah data dalam penelitian ini
terdistribusi dengan normal. Hasil pengujian normalitas dengan
kolmogorov- smirnov test.
BAB 3
PENGUMPULAN DATA
Pada bab ini akan menjelaskan tentang pengumpulan data pada praktikum
statistika dan optimasi sistem industri modul two way anova.
3.1 Pengumpulan Data
Pemilik toko mainan ingin mengetahui data perbedaan jumlah pengunjung
yang ada pada tokonya, berikut data yang telah didapat dari hasil pengamatannya:
Tabel 3.1 Data Pengunjung Toko Mainan
1 1 1 5.2 21 3 1 6.3
2 1 2 6.3 22 3 2 6.4
3 1 1 5.3 23 3 1 6.2
4 1 2 6.4 24 3 2 6.8
5 1 1 5.7 25 3 1 6.7
6 1 2 6.3 26 3 2 5.2
7 1 1 6.4 27 3 1 6.3
8 1 2 6.2 28 3 2 5.3
9 1 1 6.8 29 3 1 6.4
10 1 2 6.7 30 3 2 5.7
11 2 1 5.2 31 4 1 6.3
12 2 2 6.3 32 4 2 6.4
13 2 1 5.3 33 4 1 6.2
14 2 2 6.4 34 4 2 6.8
15 2 1 5.7 35 4 1 6.7
16 2 2 6.3 36 4 2 6.3
17 2 1 6.4 37 4 1 6.4
18 2 2 6.2 38 4 2 6.2
19 2 1 6.8 39 4 1 6.8
20 2 2 6.7 40 4 2 6.7
Tabel 3.1 Data Pengunjung Toko Mainan Lanjutan…
Pengunjun
No Gender Pengeluaran
g
41 5 1 6.3
42 5 2 6.4
43 5 1 6.2
44 5 2 6.8
45 5 1 6.7
46 5 2 5.2
47 5 1 6.3
48 5 2 5.3
49 5 1 6.4
50 5 2 5.7
51 6 1 6.3
52 6 2 6.4
53 6 1 6.2
54 6 2 6.8
55 6 1 6.7
56 6 2 6.3
57 6 1 6.4
58 6 2 6.2
59 6 1 6.8
60 6 2 6.7
Keterangan:
Pengunjung 1 = < 5 tahun
Pengunjung 2 = > 5 tahun
Pengunjung 3 = > 7 tahun
Pengunjung 4 = > 11 tahun
Pengunjung 5 = > 15 tahun
Pengunjung 6 = 18 tahun
Gender 1 = laki-laki
Gender 2 = perempuan
BAB 4
PENGOLAHAN DATA
Pada bab ini akan menjelaskan tentang pengolahan data pada praktikum
statistik dan optimasi sistem industry modul two way anova.
4.1 Pengolahan Data
Berikut ini merupakan langkah – langkah yang digunakan dalam proses
pengolahan data yang telah ditetapkan sebelumnya menggunakan aplikasi SPSS
sebagai berikut:
1. Untuk memulai menjalankan Software SPSS, klik 2 kali icon SPSS. Seperti
yang terlihat pada gambar 4.1
Pada bab ini akan menjelaskan tentang kesimpulan dan saran pada
praktikum statistik dan optimasi sistem industry modul two way anova.
5.1 Kesimpulan
1. Anova two way atau analisis varians dua arah memiliki perbedaan dibanding
anova satu arah. Perbedaannya adalah pada jumlah variabel independent.
Pada anova satu arah hanya ada satu variabel independent, sementara pada
anova dua arah ada dua atau lebih variabel independent.
2. langkah-langkah pengujian klasifikasi dua arah tanpa interaksi adalah
sebagai berikut:
a. Menentukan formulasi hipotesis.
b. Menentukan taraf nyata (α) dan F tabelnya.
c. Menentukan kriteria pengujian.
d. Membuat analisis varians dalam bentuk tabel anova seperti pada tabel 1
jika tanpa interaksi dan seperti tabel 2 jika dengan interaksi.
e. Membuat kesimpulan.
3. Uji asumsi klasik yang terdiri dari:
a) Uji homogenitas dilakukan dengan menggunakan levene’s test of
homogeneity of variance. Jika nilai Levene test signifikan (probabilitas <
0,05) maka grup memiliki varian yang berbeda dan hal ini menyalahi
asumsi. Jadi yang dikehendaki adalah levene test tidak signifikan
(probabilitas ≥ 0,05).
b) Uji normalitas dilakukan untuk mengetahui apakah data dalam penelitian
ini terdistribusi dengan normal. Hasil pengujian normalitas dengan
kolmogorov- smirnov test.
5.2 Saran
Laporan yang kami buat belumlah sempurna dikarenakan keterbatasan
pengetahuan dan waktu. Dan pada praktikum saat ini hendaknya asisten
laboratorium dalam penjelasan saat praktikum online jangan terlalu cepat
menjelaskannya. Karena banyak praktikan yang ketinggalan bagaimana langkah-
langkah dalam pengolahan datanya. Karena tidak semuanya faham betul akan
yang diterangkan asisten laboratorium.
DAFTAR PUSTAKA