Tri Astuti Arigiyati, S.Si., M.Sc.

 Menganalisa lebih dari dua data secara

bersamaan
 Pola sampel-sampel yang berbeda akan
berpengaruh terhadap pengujian hipotesis, yang
akhirnya akan berpengaruh terhadap
pengambilan kesimpulan
 Jika menggunakan Distribusi-t : boros waktu dan
peluang kesalahan besar.
 Perlu metode yang cepat dan mengandung
resiko kesalahan cukup kecil: ANOVA (Analysis
Of Variance)
 Disebut Analisis variansi, karena pada
prosedur ini kita melihat variasi-variasi yang
muncul karena adanya bebrapa perlakuan
(treatment) untuk menyimpulkan
ada/tidaknya perbedaan rataan pada k
populasi tsb.
 Ahli statistik yang mempunyai kontribusi
besar dalam mengembangkan uji ini adalah
Sir Ronald A. Fisher (1890-1962) dalam
bidang pertanian.
Syarat yg diperlukan untuk dapat
menggunakan ANOVA dalam menguji beda
mean adl:
 Populasi-populasi tersebut masing-masing
berdistribusi normal
 Populasi satu dengan populasi yang lain
tersebut diasumsikan mempunyai varians yg
sama
 Masing-masing kelompok sampel independen. Hasil
kelompok A tidak mempengaruhi hasil kelompok B, C,
…..dan seterusnya.
 Sampel diambil secara random
 Sampel diambil dari populasi yang memiliki distribusi
normal.
 Sampel yang ada pada seluruh kelompok berasal dari satu
populasi yang sama.
 Sampel yang ada pada seluruh kelompok berasal dari
populasi yang berbeda.
 Contoh ANOVA digunakan untuk menganalisa 5 kelompok
H0 : μ1 = μ2 = μ3 = μ4 = μ5
H1 : salah satu dari μ tidak sama
 Memudahkan analisa atas beberapa kelompok
sampel yang berbeda dengan resiko kesalahan
terkecil
 Mengetahui SIGNIFIKANSI perbedaan rata-rata
kelompok yang satu dengan yang lain. Beda
rata-rata besar belum tentu signifikan, sehingga
perbedaan bisa diabaikan. Beda rata-rata kecil
belum tentu tidak signifikan, sehingga kita tidak
boleh mengabaikan perbedaan rata-rata
tersebut.
 Bentuk:
Xij =  + j + ij
Dengan:
 adalah rerata pada populasi (grand mean)
j =  j-  = efek perlakuan ke j pada variabel
terikat
ij = Xij- j = deviasi Xij dari rerata populasinya
(error)
i= 1,2,…,n
j=1,2,…,k
k= banyaknya perlakuan
Tabel nilai-nilai populasi berdasarkan tiga
perlakuan
perlakuan P1 P2 P3

Nilai 3,4,4,5 5,5,3,3 2,4,4,6

Carilah 1 , 2, dan 3 pada data populasi tsb

dan nyatakan setiap nilai Xij dengan model
Xij=+j+ij !
 = …
 1=… 1=…
 2=… 2=…
 3=… 3=…
 11=…, 21=…, 31=…, 41=…
 12=…, 22=…, 32=…, 42=…
 13=…, 23=…, 33=…, 43=…
 X11 =…,X21=…,X31=…,X41=…, …, X43=…
1. Mengelompokkan data dengan membuat tabel
data. Selain itu tentukan hipotesis nol dan
hipotesis alternatif
2. Menghitung variabilitas seluruh sampel
3. Menghitung derajat kebebasan
4. Menghitung variance antar kelompok dan
variance dalam kelompok
5. Menghitung nilai distribusi-F
6. Membuat kesimpulan berdasarkan kasus yang
ditanyakan
 Kategori 1 Kategori 2 Kategori 3
X1 (X1)2 X2 (X2)2 X3 (X3)2
x11 (x11)2 x21 (x21)2 x31 (x31)2
… … … … … …
x1n (x1n) 2 x2n (x2n) 2 X3n (x3n)2

 x1.  x1.2  x2.  x2.2  x3.  x3.2  x..

x1. x 2. x3. x..
 H0 : μ1 = μ2 = μ3 (tidak ada perbedaan efek perlakuan yang
signifikan)
 H1 : salah satu dari μ tidak sama. (Ada efek perlakuan yang
cukup signifikan)
 Total of sum squares (SST) – jumlah kuadrat
simpangan total.
 Between treatments variability (SSB) –
variabilitas antar kelompok.
 Within treatments variability (SSW) –
variabilitas dalam kelompok.
 k
SSB  n ( x i.  x..) 2

i 1

k n
SST   ( xij  x..) 2
i 1 j 1

SSW  SSE  SST  SSB

 Derajat kebebasan atau degree of freedom (dilambangkan
dengan v atau df) dalam ANOVA akan sebanyak variabilitas.
Ada tiga derajat kebebasan:
 Derajat kebebasan untuk SST, dilambangkan dengan vSST =nk-
1
 Derajat kebebasan untuk SSB, dilambangkan dengan vSSB = k-1
 Derajat kebebasan untuk SSW(SSE), dilambangkan dengan
vSSE = k(n-1)
n=jumlah sampel tiap perlakuan
k=jumlah perlakuan
nk=jumlah sampel total
 Variance dalam ANOVA, baik untuk antar
kelompok maupun dalam kelompok sering
disebut dengan deviasi rata-rata kuadrat
(mean squared deviation) dan dilambangkan
dengan MS.
SSB
MSB 
vSSB
SSW
MSW 
vSSW
 MSB
 F hitung= MSE
 Ftabel = Falpha(vSSB, vSSW)
 F0,05(2,5) = 5,79
 Membandingkan Fhitung dengan Ftabel :
Jika Fhitung  Ftabel : tolak H0
Jika Fhitung<Ftabel : terima H0
 Kesimpulan:
Jika H0 ditolak/H1 diterima maka ada perbedaan
efek perlakuan yang cukup signifikan.
Jika H0 diterima/H1 ditolak maka tidak ada
perbedaan efek perlakuan yang cukup
signifikan.
  Adalah uji hipotesis beda mean lebih dari dua
populasi jika setiap anggota yg terlibat dalam
pengukuran bebas untuk terletak di populasi mana
saja, artinya tidak ada kesengajaan untuk mengatur
letak suatu anggota dalam suatu populasi tertentu .
 Bentuk Fungsi One Way ANOVA:
X ik     k   jk
dim ana :  k  pengaruh _ adanya _ pengelompokan
X ik  observasi ik  kesalahan _ random
  mean _ seluruh _ populasi
Sumber Derajat Some of Squre Mean Square F uji
Variasi Bebas (SS) (MS)
k
SSB MSB
Antar k-1 SSB  n ( x i.  x..) 2 MSB  Fhitung 
kelompok i 1 k 1 MSE
SSE
SSE  SST  SSB MSE 
Sampling Error k(n-1) k (n  1)

k n
SST   ( xij  x..) 2
Total nk-1 i 1 j 1
 Tabel Skor Hasil kerja karyawan dengan
berbagai metode instruksi
Metode Instruksi
A B C
86 862 90 902 82 822
79 76 68
81 88 73
70 82 71
84 89 81
Total 400 425 375
Mean 80 85 75

 H0: µ1= µ2=µ3=0

H1: min ada dua mean yg berbeda
 k n
SST   ( xij  x..) 2  86  80  79  80  ...  81  80  698
2 2 2

i 1 j 1

 
k
SSB  n ( x i.  x..) 2  5 80  80  85  80  75  80  250
2 2 2

i 1

SSE  SST  SSB  698  250  448

SSB 250
MSB    125
k 1 3 1
SSE 448 448
MSE     37,33
k (n  1) 3(5  1) 12
125
Fhitung   3,35
37,33
 k 2 n
T
SST   xij 
2

i 1 j 1 nk
k

T
2
2 i
T
SSB  i 1 
n nk
SSE  SST  SSB
Keterangan:
T = jumlah total dari semua sampel
Ti = jumlah total dari msg2 kelompok
Ti2 = jumlah kuadrat dari msg2 kelompok
F tabeljika diketahui nilai signifikansi 5% atau
0,05 maka nilai
F 0,05(3-1;3(5-1))= F 0,05(2;12)=3,88

Ternyata F hitung < F tabel=3,35 < 3,88,

artinya Ho diterima atau dengan kata lain
tidak ada perbedaan efek perlakuan yang
signifikan.