ANALISIS VARIAN SEDERHANA DAN ANALISIS DUA FAKTOR

A. ANALISIS VARIAN SEDERHANA

Analisis varian adalah suatu teknik untuk mengetahui perbedaan atau persamaan dua
atau lebih observasi dengan cara mengadakan perbandingan antara dua atau lebih mean
(ratarata). Anggapan yang mendasari analisis varian ini ialah bahwa berbagai rata- rata sampel
yang dihitung itu masing-masing harus berasal dari populasi yang memiliki distribusi normal
dan memiliki varian yang sama. A Meskipun demikian, adanya penyimpangan dari anggapan
normalitas tersebut atas relatif tidak mempengaruhi pengujian ini apabila populasipopulasinya
bersifat uni modal dan besarnya sampel yang diambil relatif besar. Karena
hipotesis nol pada persoalan ini mengatakan bahwa rata-rata dari populasi adalah sama maka
anggapan bahwa varian sama, juga dapat diartikan bahwa rata-rata yang dihitung berasal dari
populasi yang sama. Ingat bahwa, normalitas distribusi suatu populasi tergantung pada dua
parameter yaitu rata-rata dan varian (atau standar deviasi).
1. MENGUJI PERBEDAAN
Misalnya ada tiga buah mesin akan diperbandingkan. Output yang dihasilkan oleh mesinmesin
itu berbeda-beda, karena adanya dua faktor penyebab. Pertama output bisa berbeda
karena mesin dioperasikan oleh manusia, dan kedua output berbeda-beda karena hal-hal lain
yang tidak dapat dijelaskan. Pertanyaan pertama yang ingin dijawab di sini ialah: "apakah
mesin- mesin itu benar-benar berbeda satu sama lain?" Untuk menjawab itu, kita harus
membuat suatu cara pengujian seperti yang dilakukan dengan Tabel 8.1. Pada tabel itu
masing-masing mesin (i = mesin 1, mesin 2 dan mesin 3) diambil sampel, yang berupa output
dari 5 jam produksi yang be Dari setiap sampel (setiap mesin) dihitung nilai rata-ratanya (X,),
dengan beda. harapan dapat mengurangi "efek fluktuasi" dari random sampel yang diambil.
Hasil perhitungan nilai rata-rata (X,) itu disusun ke dalam Tabel 8.1 di bawah ini.

Dengan menggunakan tabel di atas permasalahan menjadi lebih jelas "Apakah mesin-mesin
itu benar-benar berbeda? "Pertanyaan itu dapat diartikan sebagai“ Apakah rata-rata sampel
(X,) pada Tabel 8.1 di atas, berbeda karena adanya perbedaan rata-rata populasi (u;)?" Di
mana u; menggambarkan perilaku keadaan rata-rata mesin i. Pertanyaan selanjutnya yang
bisa muncul adalah: "apakah perbedaan- perbedaan yang ada pada X, disebabkan oleh perubahan
fluktuasi saja?" Untuk dapat melihat/menjawab pertanyaan kedua ini, kita susun
suatu tabel lain. Kita ambil 3 sampel dari satu mesin saja, masing-masing sampel berisi 5
observasi atas mesin yang sama,
µ𝑖 dari masing – masing sampel barang sudah tentu sama. Dengan menghitung 𝑋̅𝑖 diharapkan
fluktuasi sampel bisa diperkecil. Perbedaan dari kedua tabel di atas yaitu. Perbedaan 𝑋̅𝑖 tabel
1 memiliki kesamaan atau disebabkan oleh hal yang sama dengan perbedaan 𝑋̅𝑖 tabel 2. Atau
perbedaan 𝑋̅𝑖 tabel 1 juga disebabkan oleh perubahan fluktuasi dari sampel atau perbedaan itu
sedemikian besar sehingga dapat menggambarkan adanya perbedaan µ𝑖 yang mendasarinya.
Bagaimana cara meguji 𝑋̅𝑖 tabel 1 sehingga dapat disimpulkan bahwa 𝑋̅𝑖 berasal dari µ𝑖 yang
sama atau sebaliknya dari µ𝑖 yang berbeda.
Yang pertama dilakukan yaitu dengan membuat hipotesis yang menyatakan tidak adanya rata
– rata perbedaan populasi dari ketiga sampel.𝐻0: 𝜇1 = 𝜇2 = 𝜇3.
rata perbedaan populasi dari ketiga sampel.𝐻0: 𝜇1 = 𝜇2 = 𝜇3.
Untuk menguji hipotesis :
• Diperlukan toak ukur yang bisa membedakan sampai batas mana, rata – rata sampel
dikatakan berbeda. Dengan mengabil rata – rata 𝑋̅𝑖 tabel 1.
• Menghitung varian. Menghitung varian dari rata – rat sampel bukan varian dari nilai –
nilai dalam tabel, maka
Pada tabel 3 nilai dari 𝑆 2̅𝑋
sama dengan 𝑆𝑋2̅ tabel 1. Jika dilihat dari masing – masing baris
tampak bahwa ada fluktuasi produksi yang lebih besar di tabel 3. Implikasi dari perbedaan
dapat dijelaskan pada gambar :

Cara mengukur perubahan fluktuasi output? Dengan cara mengukur penyimpangan (varian)
dari nilai (data) observasi pada masing – masing sampel.

Dimana :
𝑋
𝑖𝑗 merupakan observasi ke j dari sampel ke 1
Dengan menggunkan cara yang sama menghitung varian dari observasi pada sampel ke 2
(𝑆32) dan sampel ke 3 (𝑆32). Rata – rata dari varianini menunjukkan ukuran perubahan
fluktuasi total an sering disebut pooled variance yaitu :

Pada masing – masing sampel, derajat kebabasan dari variance sampelnya adalah (n-1).
Dengan demikian, derajat kebabasan pooled variance (𝑆32) adalah r(n-1); dimana r
merupakan banyaknya sampel (atau mesin). Persoalan pertama bisa kita nyatakan. 𝑆𝑋2̅lebih
besar relatif terhadap 𝑆𝑝2. Pengujian ini bisa menggunakan rumus yang dimodifikasi yaitu F
(=Fisher) rasio :
𝐹=
𝑛𝑆

n = banyaknya observasi pada sampel dikalikan pada bilangan dengan tujuan agar saat 𝐻0
benar, ratio F akan mendekati nilai 1. Jika 𝐻0 tidak benar (nilai 𝜇 tidak sama maka nilai n 𝑆𝑋2̅
akan relatif lebih besar dari nilai 𝑆
2𝑝
; nilai rasio F akan cenderung lebih besar dari 1. 𝐻0 bisa
dinyatakan dengan benar atau tidak tergantung pada rasio F mendekati 1 atau jauh lebih besar
dari 1.

B. ANALISIS DUA FAKTOR

Uji Anova adalah bentuk khusus dari analisis statistik yang banyak digunakan dalam
penelitian eksperimen. metode analisis ini dikembangkan oleh R.A Fisher. Uji Anova juga
adalah bentuk uji hipotesis statistik dimana 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.
Sebagai contoh penelitian perbedaan perlakuan terhadap sampel pasien yang sama. Hipotesis
nol nya adalah semua perlakuan akan memiliki efek yang sama.
Meskipun uji t adalah statistik yang sering digunakan, hanya saja uji t dibatasi untuk menguji
hipotesis dua kelompok. Uji Anova atau Analisis varians (ANOVA) dikembangkan untuk
memungkinkan peneliti untuk menguji hipotesis perbandingan lebih dari dua kelompok.
Dengan demikian, uji-t dan uji anova adalah sama-sama metode statistik untuk perbandingan.
Yang membedakan keduanya adalah hanya jumlah kelompok yang dibandingkan.
Landasan konseptual ANOVA
Seperti halnya Uji T, dalam uji Anova pun Anda harus menghitung statistik uji (dalam hal ini
adalah F- rasio) untuk menguji pernyataan bahwa apakah kelompok yang dibandingkan
memiliki kesamaan atau tidak. Bahasa statistik hipotesis uji Anova dapat dituliskan sebagai
berikut: H0 : M1 = M2 = M3 = 0 , biasanya dengan harapan bahwa Anda akan dapat menolak
H0 untuk memberikan bukti bahwa hipotesis alternatif ( H1 : Tidak H0 ) . Untuk menguji H0,
Anda mengambil sampel secara acak kelompok peserta/sampel/responden dan menetapkan
ukuran-ukuran (variabel dependen). Kemudian melihat apakah ukuran-ukuran tersebut
berbeda berarti untuk berbagai kondisi. Jika berbeda maka Anda akan dituntun untuk
menolak H0. Seperti pada uji statistik yang lain, kita menolak H0 ketika mendapati statistik
uji yang diukur melalui F-statistik yang melebihi F tabel dengan tingkat kepercayaan tertentu.
Cara lain dapat dilakukan dengnan melihat p-value (nilai probabilitas) yang mana lebih
rendah dari 5%, misalnya kita menggunakan tingkat kepercayaan 95%.
Prinsip uji Anova adalah kita membandingkan variansi tiga kelompok sampel atau lebih.
Lebih dari sekedar membandingkan nilai mean (rata-rata), uji anova juga mempertimbangkan
keragaman data yang dimanifestasikan dalam nilai varians.
Analisis varian dua faktor dapat membantu memetakan permasalahan denganlebih jelas à faktor
operator berpengaruh terhadap fluktuasi observasi (sampel)