UJI HIPOTESIS

1
Guna pengujian hipotesis

Membantu pengambilan keputusan tentang
apakah suatu hipotesis yang diajukan, seperti
perbedaan/hubungan/pengaruh, cukup
meyakinkan untuk ditolak atau tidak ditolak.

Keyakinan ini didasarkan pada besarnya
peluang untuk memperoleh perbedaan,
hubungan atau pengaruh tersebut secara
kebetulan (by chance).

Semakin kecil peluang tersebut, semakin
besar keyakinan bahwa perbedaan/
hubungan/pengaruh tersebut memang ada. 2
Prinsip uji hipotesis

Melakukan perbandingan antara nilai sampel
(data hasil penelitian) dengan nilai hipotesis
(nilai populasi) yang diajukan.

Peluang diterima atau ditolaknya suatu
hipotesis tergantung besar kecilnya
perbedaan antara nilai sampel dengan nilai
hipotesis.

Bila perbedaan cukup besar  peluang
menolak hipotesis juga besar.

Kesimpulan dari pengujian hipotesis ada 2
kemungkinan: menolak atau tidak menolak
hipotesis 3
Dalam pengujian hipotesis dijumpai
2 jenis hipotesis: Ho dan Ha

Ho (Hipotesis Nol): hipotesis yang menyatakan
tidak ada perbedaan/hubungan/pengaruh antara
variabel satu dengan variabel yang lain.

Contoh:
a. Tidak ada perbedaan berat badan bayi
antara mereka yang dilahirkan ibu yang
merokok dengan ibu yang tidak merokok.
b. Tidak ada hubungan antara merokok dengan
berat badan bayi
4

Ha (Hipotesis Alternatif) : hipotesis yang
menyatakan ada perbedaan/hubungan/
pengaruh antara variabel satu dengan
variabel lainnya.

Contoh:
a. Ada perbedaan berat badan bayi
antara mereka yang dilahirkan ibu yang
merokok dengan ibu yang tidak
merokok.
b. Ada hubungan antara merokok dengan
berat badan bayi. 5
Arah/Bentuk Uji Hipotesis

Ha akan menentukan arah uji statistik apakah satu
arah/sisi (one tail) atau dua arah/sisi (two tail).

One tail (satu sisi): bila Ha nya menyatakan adanya
pernyataan yang mengatakan hal yang satu lebih
tinggi/lebih rendah dari hal yang lain.

Contoh: Berat badan bayi dari ibu hamil yang
merokok lebih kecil dari berat badan bayi dari ibu
hamil yang tidak merokok.

Two tail (dua sisi): Ha hanya menyatakan
perbedaan/hubungan/pengaruh tanpa melihat
apakah hal yang satu lebih tinggi/lebih rendah dari
hal yang lain.

Contoh: Ada perbedaan berat badan bayi yang
dilahirkan ibu yang merokok dan ibu yang tidak
merokok.
6
Contoh penulisan hipotesis

Suatu penelitian ingin mengetahui hubungan antara
jenis kelamin dengan tekanan darah.

Ho : µA = µB
Tidak ada perbedaan rata-rata tekanan darah antara
laki-laki dan perempuan
Tidak ada hubungan antara jenis kelamin dengan
tekanan darah.

Ha : µA ≠ µB
Ada perbedaan rata-rata tekanan darah antara laki-
laki dan perempuan
Ada hubungan antara jenis kelamin dengan tekanan
darah.
7
Kesalahan Pengambilan
Keputusan

Ada 2 jenis :
- Kesalahan Tipe I (α)
- Kesalahan Tipe II (β)

Kesalahan tipe I: kesalahan menolak Ho padahal
Ho benar.

Menyimpulkan adanya perbedaan/hubungan/
pengaruh, padahal sesungguhnya tidak ada
perbedaan/hubungan/pengaruh.

Peluang salah tipe I = tingkat signifikansi
(significance level).

Peluang tidak membuat kesalahan tipe I = 1- α =
tingkat kepercayaan (confidence level)
8

Kesalahan tipe II: kesalahan tidak menolak Ho
padahal Ho salah.

Menyimpulkan tidak ada perbedaan/hubungan/
pengaruh, padahal sesungguhnya ada
perbedaan/hubungan/pengaruh.

Peluang membuat kesalahan tipe II = β.

Peluang untuk tidak membuat tipe II = 1- β =
kekuatan uji (power of the test).

Power of the test: peluang untuk menolak Ho ketika
Ho memang salah dpl kemampuan mendeteksi
adanya perbedaan/hubungan/pengaruh bermakna
antara kelompok yang diteliti ketika
perbedaan/hubungan/pengaruh itu memang ada.

9
Pemilihan Jenis Uji Parametrik
atau Non Parametrik

Bila distribusi data populasi berbentuk normal
 parametrik

Bila distribusi data populasi berbentuk tidak
normal atau tidak diketahui distribusinya 
nonparametrik.

Bila jenis variabelnya kategorik 
nonparametrik.

Bila data yang dianalisis merupakan data
kecil (n < 30) cenderung digunakan
nonparametrik. 10
Perbedaan Substansi/Klinis
dan Perbedaan Statistik

Berbeda bermakna/signifikan secara statistik
tidak berarti bahwa perbedaan tersebut juga
bermakna secara substansi.

Semakin besar sampel yang dianalisis 
semakin besar kemungkinan menghasilkan
perbedaan yang bermakna.

Dengan sampel besar, perbedaan-perbedaan
yang sangat kecil yang tidak bermanfaat
secara substansi dapat menjadi bermakna
secara statistik.
11
Prosedur Uji Hipotesis

Menetapkan hipotesis

Penentuan uji statistik: tergantung pada
a. jenis variabel
b. jenis data apakah dependen atau
independen
c. jenis distribusi data populasinya

Menentukan tingkat kemaknaan

Perhitungan uji statistik

Keputusan uji statistik
12
Keputusan uji statistik

Pendekatan klasik: membandingkan nilai
hitung dengan nilai tabel.
Bila nilai hitung > nilai tabel  Ho ditolak

Pendekatan probabilistik: membandingkan
nilai p dengan nilai α.
Bila nilai p < nilai α  Ho ditolak
Nilai p two tail = 2 x nilai p one tail

13
Pengertian Nilai p

Merupakan nilai yang menunjukkan besarnya
peluang salah menolak Ho dari data penelitian.

Besarnya peluang hasil penelitian (misalnya ada
perbedaan mean atau proporsi) terjadi karena
faktor kebetulan (by chance).

Harapan kita nilai p sekecil mungkin, sebab bila
nilai p kecil  adanya perbedaan hasil di
penelitian menunjukkan adanya perbedaan di
populasi.

Nilai p nya kecil, perbedaan yang ada pada
penelitian terjadi bukan karena faktor kebetulan
(by chance). 14
Jenis-Jenis Uji Hipotesis

Uji beda mean satu sampel

Uji beda proporsi

Uji beda 2 mean

Uji beda lebih dari 2 mean

dll

15
Uji Beda Mean Satu Sampel

Tujuan: untuk mengetahui perbedaan mean
populasi dengan mean data sampel penelitian.

Berdasarkan ada tidaknya nilai σ, maka jenis uji
beda mean satu sampel dibagi 2:
a. Bila nilai σ diketahui  uji Z
x −µ
Z=
σ n

b. Bilai nilai σ tidak diketahui  uji t

x −µ
t= df = n-1
s n
16
Contoh

Diketahui bahwa kadar kolesterol orang
dewasa normal adalah 200 gr/100 ml dengan
standar deviasi 56 gr/100 ml. Seorang
peneliti melakukan pengukuran kadar
kolesterol pada sekelompok penderita
hipertensi sebanyak 49 orang. Didapatkan
rata-rata kadar kolesterol mereka 220 gr/100
ml. Peneliti ingin menguji apakah kadar
kolesterol penderita hipertensi berbeda
dengan kadar kolesterol orang dewasa
normal.
17
Penyelesaian
µ = 200 mg/100ml
σ = 56 mg/100 ml
x = 220 mg/100 ml
Langkah-langkah pengujian:
1. Tetapkan Ho dan Ha
Ho : µ = 200
Tidak ada perbedaan rata-rata kadar kolesterol
orang dewasa dengan penderita hipertensi
Ha : µ ≠ 200
Ada perbedaan rata-rata kadar kolesterol orang
dewasa dengan penderita hipertensi
18
2. Tentukan batas/tingkat kemaknaan  α =
5%
3. Pemilihan uji statistik  uji Z karena σ
diketahui
4. Perhitungan uji statistik
x −µ
Z=
σ n
220− 200
Z= = 2,5
56 49

19
2. Keputusan uji statistik
a. Pendekatan klasik
Membandingkan nilai 2,5 > 1,96  Ho
ditolak
Kesimpulan: Ada perbedaan rata-rata kadar
kolesterol orang dewasa dengan penderita
hipertensi.
b. Pendekatan probabilistik
Membandingkan nilai p < 5%  Ho ditolak
Kesimpulan: Ada perbedaan rata-rata kadar
kolesterol orang dewasa dengan penderita
hipertensi. 20
Uji Beda Proporsi

Tujuan: untuk mengetahui/menguji
perbedaan proporsi populasi dengan proporsi
data sampel penelitian.

Hipotesis
Ho : p = P Ho : p = P
Ha : p ≠ P Ha : p > P atau Ha : p < P

Rumus
p −P
Z=
(P.Q)/n

21
Contoh

Dari laporan Dinas Kesehatan Kabupaten X tahun
yang lalu disebutkan bahwa 40% persalinan
dilakukan oleh dukun. Kepala Dinas ingin
membuktikan apakah sekarang persalinan masih
tetap seperti laporan tahun lalu atau sudah berubah.
Untuk pengujian ini diambil sampel random
sebanyak 250 persalinan dan dilakukan wawancara
pada ibu baru yang setahun terakhir melakukan
persalinan dan ternyata terdapat 41% yang
mengaku bersalin melalui dukun. Ujilah apakah ada
perbedaan proporsi persalinan antara laporan dinas
dengan sampel penelitian dengan α 5%

22
Uji Beda 2 Mean

Uji beda dua mean independen: bila data
kelompok yang satu tidak tergantung dari
data kelompok kedua. Misalnya
membandingkan mean tekanan darah sistolik
laki-laki dan perempuan.

Uji beda dua mean dependen/pasangan: bila
kelompok data yang dibandingkan datanya
saling mempunyai ketergantungan. Misalnya
data berat badan sebelum dan sesudah diet
(data sesudah tergantung pada data
sebelum)
23
Uji Beda Dua Mean
Independen

Tujuan: untuk mengetahui perbedaan mean
dua kelompok data independen.

Syarat/asumsi:
1. data berdistribusi normal
2. kedua kelompok data independen
3. variabel yang dihubungkan berbentuk
numerik dan kategorik (2 kelompok)

24
Uji Homogenitas Varian

Tujuan: untuk mengetahui varian antara
kelompok data.

Perhitungannya dengan uji F
2
S1
F= 2
S2
df1 = n1 – 1 df2 = n2 – 1

Varian yang lebih besar  pembilang

Varian yang lebih kecil  penyebut

25
Uji untuk varian sama

Dapat dilakukan dengan uji Z atau t.

Karena σ sulit diketahui  uji t

Rumus
x1 − x 2
T=
Sp (1/n 1 ) + (1/n 2 )
2 2
2 (n − 1)S1 + (n2 − 1)S 2
Sp = 1
n1 + n2 − 2
df = n1 + n2 – 2

26
Contoh

Seorang pejabat Depkes berpendapat bahwa rata-
rata nikotin yang dikandung rokok jarum lebih tinggi
dibandingkan rokok wismilak. Untuk membuktikan
pendapatnya, dilakukan penelitian dengan
mengambil sampel secara random 10 batang rokok
jarum dan 8 batang rokok wismilak. Dari hasil
pengolahan data dilaporkan rata-rata kadar nikotin
rokok jarum 23,1 mg dengan standar deviasi 1,5
mg. Sementara kadar nikotin rokok wismilak rata-
rata 20,0 mg dengan standar deviasi 1,7 mg.
Berdasarkan data tersebut ujilah pendapat pejabat
Depkes tersebut dengan menggunakan α 5%!
27
Uji untuk Varian Beda

Rumus
x1 − x 2
T= 2 2
(S1 n1 ) + (S 2 n2 )

2 2
[(S1 n1 ) + (S2 n2 )]2
df = 2 2
[(S
1 n1 ) /(n1 − 1) + (S 2 n2 )2 /(n2 − 1)]
2

28
Uji Beda Dua Mean Dependen
(Paired Sample)

Tujuan: untuk menguji perbedaan mean antara
dua kelompok data yang dependen.

Syarat-syarat:
1. Distribusi data normal
2. Kedua kelompok data dependen/pair
3. Jenis variabel adalah numerik dan
kategorik (2 kategori)

Rumus
d = rata-rata selisih sampel 1 dan 2
d
T= sd_d = standar deviasi selisih sampel 1 dan 2
sd_d/ n
29
Contoh

Seorang peneliti ingin mengetahui pengaruh
vitamin B12 terhadap penyakit anemia.
Sejumlah 10 penderita diberi suntikan vitamin
B12 dan diukur kadar Hb darah sebelum dan
sesudah pengobatan. Hasil pengukuran adalah
sebagai berikut:
sebelum: 12,2 11,3 14,7 11,4 11,5 12,7 11,2 12,1 13,3 10,8
sesudah: 13,0 13,4 16,0 13,6 14,0 13,8 13,5 13,8 15,5 13,2

Coba anda buktikan apakah ada perbedaan

kadar Hb sebelum dan sesudah pemberian
suntikan vitamin B12 dengan alpha 5%!
30
ONE WAY ANOVA

1
PENDAHULUAN

ANOVA = Analysis of Variance

Menganalisis beda lebih dari 2 mean

Bila menggunakan uji t  pengujian
berulang kali sesuai dengan
kombinasi yang mungkin.

Bila menggunakan uji t berulang 
meningkatkan nilai α berarti akan
meningkatkan peluang hasil yang
salah = 1 – (1 – α)n 2
Prinsip uji ANOVA

Melakukan telaah variabilitas data
menjadi dua sumber variasi: variasi
dalam kelompok (within) dan variasi
antar kelompok (between).

Bila variasi within dan between sama
(nilai perbandingan kedua varian = 1)
 mean-mean yang dibandingkan
tidak ada perbedaan.

ANOVA ada 2 jenis: one way dan two
way ANOVA
3
Asumsi uji ANOVA:
1. Varian homogen
2. Sampel/kelompok independen.
3. Data berdistribusi normal
4. Jenis data yang dihubungkan adalah
numerik dengan kategori (> 2)

4
Uji Homogenitas Varian

Ho : σ12 = σ22 = σ32 = - = σk2

Bartlett Test

Levene Test

5
Perhitungan uji ANOVA:
Sb 2
F =
Sw 2

df = k-1  pembilang
n-k  penyebut
2 2 2
(n − 1)S + (n − 1)S + ... + (n − 1)S
Sw 2 = 1 1 2 2 k k
N−k
2 2 2
n ( x − X ) + n ( x − X ) + ... + n ( x − X )
Sb 2 = 1 1 2 2 k k
k −1
n1 ⋅ x1 + n 2 ⋅ x 2 + ... + nk ⋅ x k
X =
N
6
Contoh
Suatu penelitian ingin mengetahui
perbedaan kadar folat sel darah pada tiga
zat pembius yang berbeda. Data yang
dikumpulkan adalah sebagai berikut.
Kel I : 243 251 275 291 347 354 380 392
Kel II : 206 210 226 249 255 273 285 295 309
Kel III : 241 258 270 293 328

Coba buktikan apakah ada perbedaan kadar

folat sel darah merah pada ketiga kelompok
tersebut dengan alpha 5%.

7
Penyelesaian

Ho : µ1 = µ2 = µ3
Tidak ada perbedaan mean kadar folat sel
darah merah pada ketiga jenis zat
pembius.
Ha : µ1 ≠ µ2 ≠ µ3
Ada perbedaan mean kadar folat sel darah
merah pada ketiga jenis zat pembius.

8

Perhitungan uji ANOVA
Kel I : Mean = 316,62 s = 58,72
Kel II : Mean = 256,44 s = 37,12
Kel III : mean = 278,00 s = 33,76
(8)(316,62) + (9)(256,44) + (5)(278,00)
X= = 283,22
22
2 (8)(316,62 − 283,22)2 + (9)(256,44 − 283,22)2 + (5)(278,00 − 283,22)2
Sb =
3 −1
= 7758

2 (8 -1)(58,72)2 + (9 -1)(37,12)2 + (5 -1)(33,76)2

Sw = = 2090
22 − 3
7758
F= = 3,71
2090

9
Tabel 1. ANOVA One Way
Source of Sum of df Mean F ratio
Variation squares squares
Between 15516 2 7758 3,71
Within 39710 19 2090

Total 55226 21

10
Keputusan Uji[1/2]

Pendekatan Klasik
df1 = 3-1 = 2  pembilang
df2 = 22-3 = 19  penyebut
Dari tabel F  pada α= 0,05 diperoleh
nilai F tabel 3,52.
F hitung > F tabel  3,71 > 3,52
Ho ditolak
∴ Ada perbedaan mean kadar folat sel
darah merah pada ketiga jenis zat
pembius.

11
Keputusan Uji[2/2]

Pendekatan probabilistik
F hitung = 3,71  0,025 < p < 0,05
 p < 0,05  Ho ditolak
∴ Ada perbedaan mean kadar folat sel
darah merah pada ketiga jenis zat
pembius.

12
Analisis Multiple Comparison
(Posthoc Test)

Untuk mengetahui lebih lanjut kelompok
mana saja yang berbeda meannya bila
pada pengujian ANOVA dihasilkan ada
perbedaan bermakna.

Ada berbagai jenis:
- Equal Variances Assumed
- Equal Variances Not Assumed

13
 Equal Variances Assumed Equal Variances Not Assumed
• LSD (least significant difference) • Tamhane's T2
• Bonferroni • Dunnett's T3
• Sidak • Games-Howell
• Scheffé • Dunnett's C.
• R-E-G-W F (Ryan-Einot-Gabriel-
Welsch F test)
• R-E-G-W Q (Ryan-Einot-Gabriel-
Welsch range test)
• S-N-K (Student-Newman-Keuls)
• Tukey's honestly significant
difference test
• Tukey's b
• Duncan
• Hochberg's GT2
• Gabriel
• Waller-Duncan
• Dunnett

14
Equal Variances Assumed[1/3]

LSD. Uses t tests to perform all pairwise comparisons
between group means. No adjustment is made to the
error rate for multiple comparisons.

Bonferroni. Uses t tests to perform pairwise comparisons
between group means, but controls overall error rate by
setting the error rate for each test to the experiment wise
error rate divided by the total number of tests. Hence,
the observed significance level is adjusted for the fact
that multiple comparisons are being made.

Sidak. Pairwise multiple comparison test based on a t
statistic. Sidak adjusts the significance level for multiple
comparisons and provides tighter bounds than
Bonferroni.

Scheffe. Performs simultaneous joint pairwise
comparisons for all possible pairwise combinations of
means. Uses the F sampling distribution. Can be used to
examine all possible linear combinations of group
means, not just pairwise comparisons. 15
Equal Variances Assumed[2/3]

R-E-G-W F. Ryan-Einot-Gabriel-Welsch multiple stepdown
procedure based on an F test.

R-E-G-W Q. Ryan-Einot-Gabriel-Welsch multiple stepdown
procedure based on the Studentized range.

S-N-K. Makes all pairwise comparisons between means using
the Studentized range distribution. With equal sample sizes, it
also compares pairs of means within homogeneous subsets,
using a stepwise procedure. Means are ordered from highest
to lowest, and extreme differences are tested first.

Tukey. Uses the Studentized range statistic to make all of the
pairwise comparisons between groups. Sets the
experimentwise error rate at the error rate for the collection for
all pairwise comparisons.

Tukey's-b. Uses the Studentized range distribution to make
pairwise comparisons between groups. The critical value is
the average of the corresponding value for the Tukey's
honestly significant difference test and the Student-Newman-
Keuls.
16
Equal Variances Assumed[3/3]

Duncan. Makes pairwise comparisons using a stepwise order
of comparisons identical to the order used by the Student-
Newman-Keuls test, but sets a protection level for the error
rate for the collection of tests, rather than an error rate for
individual tests. Uses the Studentized range statistic.

Hochberg's GT2. Multiple comparison and range test that
uses the Studentized maximum modulus. Similar to Tukey's
honestly significant difference test.

Gabriel. Pairwise comparison test that used the Studentized
maximum modulus and is generally more powerful than
Hochberg's GT2 when the cell sizes are unequal. Gabriel's
test may become liberal when the cell sizes vary greatly.

Waller-Duncan. Multiple comparison test based on a t
statistic; uses a Bayesian approach.

Dunnett. Pairwise multiple comparison t test that compares a
set of treatments against a single control mean.

17
Equal Variances Not Assumed

Tamhane's T2. Conservative pairwise
comparisons test based on a t test.

Dunnett's T3. Pairwise comparison test
based on the Studentized maximum
modulus.

Games-Howell. Pairwise comparison test
that is sometimes liberal.

Dunnett's C. Pairwise comparison test
based on the Studentized range.

18
Metode Least Significant Difference
(LSD)

Metode ini memerlukan suatu besaran
pembanding dalam pengujian hipotesis
nol.

Besaran ini dinamakan selisih signifikan
terkecil yang dirumuskan dalam
persamaan (1).

19
 1 1 
LSD = tα/2,N −a ⋅ MSE  − ----.(1)
 ni n j 

Apabila n1 = n2 = - = na = n, maka

2 ⋅ MS E -----.(2)
LSD = t α/2, N − a ⋅
n

Hipotesis nol dapat ditolak apabila
yi − y j > LSD

20
Bonferroni

Rumus:
xi − x j df = n-k
t ij =
Sw 2 [(1/ni ) + (1/n j )]

Dengan α sebagai berikut:

α
*
α = k dimana (k2) = kombinasi uji t
( 2)
yang mungkin

21
Uji Duncan:

Apabila jumlah sampel yang diamati sama,
standar error untuk setiap rata-rata perlakuan
digunakan persamaan sebagai berikut:
MS E ------------..(3)
Sy =i
n

Apabila jumlah sampel yang diamati tidak sama,
maka n dalam persamaan (3) diganti dengan nh,
yaitu
a -----------...(4)
n =
h a
∑ (1/n 1 )
i −1
22

Untuk menguji kebenaran hipotesis nol
digunakan suatu besar Rp, yang
digunakan untuk membandingkan selisih
rata-rata setiap perlakuan.
R p = rα (p, f).S y ---------(5)

Nilai rα(p,f) dapat dicari dengan

menggunakan tabel Duncan, dengan p =
2, 3, -, a; f adalah derajat bebas
kesalahan (error); dan α adalah derajat
signifikansi.
23
Uji Newman-Keuls:

Prosedur hipotesis nol menggunakan uji
Newman-Keuls sama dengan uji Duncan.

Persamaan untuk menghitung besaran
yang akan digunakan untuk
membandingkan selisih rata-rata adalah
sebagai berikut:
K p = q α ( p, f ) ⋅ S -..--..----..(6)
yi

24
Uji Tukey:

Apabila menggunakan uji Tukey,
hipotesis nol dapat ditolak apabila:
y i − y j > Tα = qα (a, f ) ⋅ S yL --.--(7)

SyLyang digunakan dalam

persamaan 7 sama dengan SyL yang
digunakan dalam persamaan 3.

25
TWO WAY ANOVA
Analisis ragam dua arah
• Two-way anova test → menganalisa dua faktor atau variabel, baik tanpa interaksi
maupun dengan interaksi.
• Misal : Pengaruh pemberian 3 jenis pupuk terhadap produksi 4 varietas gandum
→ ada 2 faktor yaitu jenis pupuk dan varietas gandum yang ingin
dilihat pengaruhnya terhadap produksi gandum

1. Two-way anova test (tanpa interaksi)

• Ringkasan tabel anova 2 arah tanpa interaksi :
Sumber Derajat Kuadrat Rata-
Jumlah Kuadrat F hitung
Keragaman Bebas rata
SSB_r MSB_r
Di antara Baris r-1 SSB_r MSB_r = F1 =
r -1 MSW
SSB_c MSB_c
Di antara kolom c-1 SSB_c MSB_c = F2 =
c -1 MSW
SSW
Galat Sampling (r – 1) (c – 1) SSW = SST- SSB_r - SSB_c MSW = -
(r - 1) (c - 1)

Total rc - 1 2 ( ∑ x)2 - -
SST = ∑ x -
r.c

Analisis Ragam (ANOVA) ~ Statistika 2 2

 DIMANA SSB_r =
(T r1
2 2
+ Tr2 + Tr3
2
+
....
) - ( ∑ x) 2
SSB_c =
(T
c1
2 2
+ Tc 2 + Tc 3
2
+
....
) - ( ∑ x) 2

c r.c r r.c

( ∑ x)2
2
SST = ∑ x -
r.c

Keterangan :
x = variabel x
r = jumlah perlakuan / treatment dalam baris
c = jumlah perlakuan / treatment dalam kolom
Tri = total nilai variabel dalam baris ke-i
Tcj = total nilai variabel dalam baris ke-j
∑x = total nilai x dalam semua sampel = T1 + T2 + T3 + …
∑x2 = total kuadrat nilai x dalam semua sampel

• Contoh :
Tabel berikut menunjukkan data produksi 3 varietas gandum (dalam ton/ha)
dengan 4 jenis perlakuan pupuk. Ujilah h0’, pada taraf nyata 0.05 bahwa tidak ada
beda rata-rata hasil gandum untuk ke-4 perlakuan pupuk tsb. Juga ujilah h0”,
bahwa tidak ada beda rata-rata hasil untuk ke-3 varietas gandum tersebut.

Analisis Ragam (ANOVA) ~ Statistika 2 3

 Varietas Gandum
Jenis Pupuk Total Rata-rata
v1 v2 v3
p1 64 72 74 210 70
P2 55 57 47 159 53
P3 59 66 58 183 61
p4 58 57 53 168 56
Total 236 252 232 720
Rata-rata 59 63 58

Jawab :
1. Tentukan hipotesis nol dan hipotesis alternatif
a. H0’ : 81 = 82 = 83 = 83 = 0 (pengaruh baris / jenis pupuk adalah nol)
H1’ : Sekurang-kurangnya satu 8i adalah tidak sama dengan nol)
b. H0” : β1 = β2 = β3 = 0 (pengaruh kolom / varietas gandum adalah nol)
H1” : Sekurang-kurangnya satu βj adalah tidak sama dengan nol)
2. 8 = 0.05
3. Wilayah kritis : F1 > 4.76 (dari tabel distribusi F, untuk F0.05(3.6) = 4.76)
F2 > 5.14 (dari tabel distribusi F, untuk F0.05(2.6) = 5.14)
4. Perhitungan :

SSB_r =
(T r1
2 2
+ Tr2 + Tr3
2
+
....
) - ( ∑ x) 2
=
(210 2 2
+ 159 + 183
2
+ 168
2
) - ( 720) 2
= 498
c r.c 3 12
Analisis Ragam (ANOVA) ~ Statistika 2 4
 SSB_c =
(T c1
2 2
+ Tc 2 + Tc 3
2
+
....
) - ( ∑ x) 2
=
(236 2 2
+ 252 + 232
2
+
....
) - ( 720) 2
= 56
r r.c 4 12
( ∑ x)2
2
SST = ∑ x -
r.c
2 2 2 2 2 2 2 2 2 2 2 2 ( 720)2
= ( 64 + 55 + 59 + 58 + 72 + 57 + 66 + 57 + 74 + 47 + 58 + 53 ) - = 662
12

Hasil perhitungan disajikan dalam tabel ANOVA berikut :

Sumber Derajat Kuadrat Rata-
Jumlah Kuadrat F hitung
Keragaman Bebas rata
Di antara Baris 3 498 166 9.22
Di antara kolom 2 56 28 1.56
Galat Sampling 6 108 18 -
Total 11 662 - -

5. Keputusan :
a. Tolak H0’ dan simpulkan bahwa ada beda rata-rata hasil gandum dalam
penggunaan ke-4 jenis pupuk tersebut.
b. Terima H0” dan simpulkan bahwa tidak ada beda rata-rata hasil gandum
dalam penggunaan ke-3 varietas gandum.

Analisis Ragam (ANOVA) ~ Statistika 2 5

 Klasifikasi Dua Arah dengan Satu Pengamatan Tiap Sel

Kolom
Baris Total
1 2 … j … c
1 x11 x12 .. x1j .. x1c Tr1
2 x21 x22 .. x2j .. x2c Tr2
.. .. .. .. .. .. ..
i xi1 xi2 .. xij .. xic Tr3
.. .. .. .. ..
r xr1 xr2 .. xrj .. xic Trr
Total Tc1 Tc2 .. Tcj .. Tcc T (Σx)

Analisis Ragam (ANOVA) ~ Statistika 2 6

2. Two-way anova test (dengan interaksi)
• Tiga hipotesis nol (H0 ) yang berbeda dapat diuji dengan anova dua arah dengan
interaksi, yaitu :
– Tidak ada efek baris
– Tidak ada efek kolom
– Tidak ada efek interaksi 2 faktor baris dan kolom
• Ringkasan tabel anova 2 arah dengan interaksi :

Sumber Derajat
Jumlah Kuadrat Kuadrat Rata-rata F hitung
Keragaman Bebas
SSB_r MSB_r
Di antara Baris r-1 SSB_r MSB_r = F1 =
r -1 MSW
SSB_c MSB_c
Di antara kolom c-1 SSB_c MSB_c = F2 =
c -1 MSW
Interaksi Baris (r – 1) (c – 1) SSB_i MSB_i
SSB_i MSB_i = F2 =
dan kolom (r - 1) (c - 1) MSW
SSW
Galat Sampling r.c (n - 1) SSW MSW = -
r.c (n - 1)

2 ( ∑ x)2
Total r.c.n - 1 SST = ∑ x - - -
r.c.n

Analisis Ragam (ANOVA) ~ Statistika 2 7

DIMANA :

SSB_r =
(T r1
2 2
+ Tr2 + Tr3
2
+
....
) - ( ∑ x) 2
SSB_c =
(T c1
2 2
+ Tc 2 + Tc 3
2
+
....
) - ( ∑ x) 2

c.n r.c.n r.n r.c.n

SSB_i =
( 2 2 2
) (
∑ x 2 Tr1 + Tr2 + Tr3 + ... Tc1 + Tc 2 + Tc3 + ... ( ∑ x)2
- − +
2 2 2
) SST = ∑ x -
( ∑ x)2 2

n c.n r.n r.c.n r.c.n

Keterangan :
x = variabel x
r = jumlah perlakuan / treatment dalam baris
c = jumlah perlakuan / treatment dalam kolom
n = jumlah pengamatan / ulangan dalam sel
Tri = total nilai variabel dalam baris ke-i
Tcj = total nilai variabel dalam baris ke-j
∑x = total nilai x dalam semua sampel = T1 + T2 + T3 + …
∑x2 = total kuadrat nilai x dalam semua sampel

Analisis Ragam (ANOVA) ~ Statistika 2 8

• Contoh :
Tabel berikut menunjukkan data produksi 3 varietas gandum (dalam
ton/ha) dengan 4 jenis perlakuan pupuk dengan masing2 percobaan
dengan 3 ulangan. Ujilah pada taraf nyata 0.05 untuk :
a. H0’ : tidak ada beda rata-rata hasil untuk ke-4 perlakuan pupuk.
b. H0” : tidak ada beda rata-rata hasil untuk ke-3 varietas gandum.
c. H0”’ : tidak ada interaksi antara jenis pupuk dan varietas gandum

Jenis Varietas Gandum

Pupuk v1 v2 v3
64 72 74
p1 66 81 51 Jenis Varietas Gandum
70 Total
64 65 Pupuk v1 v2 v3
65 57 47 p1 200 217 190 607
P2 63 43 58
P2 186 152 172 510
58 52 67
66 58
P3 192 196 139 527
59
P3 68 71 39 p4 145 171 150 466
65 59 42 Total 723 736 651 2110
58 57 53
p4 41 61 59
46 53 39

Analisis Ragam (ANOVA) ~ Statistika 2 9

Jawab :
1. Tentukan hipotesis nol dan hipotesis alternatif
a. H0’ : 81 = 82 = 83 = 84 = 0 (pengaruh baris / jenis pupuk adalah nol)
H1’ : Sekurang-kurangnya satu 8i adalah tidak sama dengan nol)
b. H0” : β1 = β2 = β3 = 0 (pengaruh kolom / varietas gandum adalah nol)
H1” : Sekurang-kurangnya satu βj adalah tidak sama dengan nol)
c. H0”’ : (8β)11 = (8β)12 = … = (8β)43 = 0 (pengaruh interaksi adalah nol)
H1”’ : Sekurang-kurangnya satu (8β)ij adalah tidak sama dengan nol)
2. 8 = 0.05
3. Wilayah kritis : a. F1 > 3.01 (dari tabel distribusi F, untuk F0.05(3, 24) = 3.01)
b. F2 > 3.40 (dari tabel distribusi F, untuk F0.05(2, 24) = 3.40)
c. F3 > 2.51 (dari tabel distribusi F, untuk F0.05(6, 24) = 2.51)
4. Perhitungan :
( ∑ x)2
2 2 2 2 ( 2110)2
SST = ∑ x - = (64 + 66 + .... + 38 ) − = 127448 − 123669 = 3779
r.c.n 4.3.3

SSB_r =
(T r1
2 2
+ Tr2 + Tr3
2
+
....
) - ( ∑ x) = (607
2 2 2 2
+ 510 + 527 + 466
2

-
)
( 2110)2
c.n r.c.n 9 36
= 124826 - 123669 = 1157

Analisis Ragam (ANOVA) ~ Statistika 2 10

 SSB_c =
(T c1
2 2
+ Tc 2 + Tc 3
2
+
....
) - ( ∑ x) 2
=
(723 2 2
+ 736 + 651
-
2
)
( 2110)2
= 350
r.n r.c.n 12 36

SSB_i =
( 2 2 2
) (
∑ x 2 Tr1 + Tr2 + Tr3 + ... Tc1 + Tc2 + Tc3 + ... ( ∑ x)2
- − +
2 2 2
)
n c.n r.n r.c.n
200 2 + 186 2 + .... + 150 2
= - 124826 − 124019 + 123669 = 771
3
Hasil perhitungan disajikan dalam tabel ANOVA berikut :

Sumber Derajat
Jumlah Kuadrat Kuadrat Rata-rata F hitung
Keragaman Bebas
Di antara Baris 3 1157 385.667 6.17
Di antara kolom 2 350 175.000 2.80
Interaksi 6 771 128.500 2.05
Galat Sampling 24 1501 62.542 -
Total 35 3779 - -

5. Keputusan :
a. Tolak H0’ dan simpulkan bahwa ada beda rata-rata hasil gandum dalam
penggunaan ke-4 jenis pupuk tersebut.
b. Terima H0” dan simpulkan bahwa tidak ada beda rata-rata hasil gandum
dalam penggunaan ke-3 varietas gandum.
c. Terima H0” dan simpulkan bahwa tidak ada interaksi antara jenis pupuk dan
varietas gandum.
Analisis Ragam (ANOVA) ~ Statistika 2 11