Analisis Perbandingan Lama Larut Gula Berdasarkan Jenis

Gula, Suhu Air dan Operator yang Berbeda Menggunakan

Metode Rancangan Bujur Sangkar Latin
Wisnu Sevatiyan Diqrelah (2043201035)
Ir. Mutiah Salamah Chamid, M. Kes., Zakiatul Wildani, S.Si., M.Sc.
Departemen Statistika Bisnis, Fakultas Vokasi, Institut Teknologi Sepuluh Nopember (ITS)
Kampus ITS Sukolilo-Surabaya 60111, Indonesia
email: wisnu.wkwk75@gmail.com

Atbstrak — 2. Varians
Kata Kunci — Kelarutan, Varians merupakan rata – rata hitung deviasi
kuadrat setiap pengenatan terhadap rata – rata
I. PENDAHULUAN hitungnya. Varians adalah kuadrat dari standar deviasi

G
yang digunakan dalam pengujian statistik (Santosa,
2007) . Rumus varians adalah sebagai berikut:

II. TINJAUAN PUSTAKA

(X i  X )2
A. Satistika Deskriptif
S2  i 1

n (3)
Statistika deskriptif merupakan metode yang
a. Varians untuk data kelompok
berkaitan dengan pengorganisasian, peringkasan, dan
1
penyajian data secara informatif. Statistika deskriptif S²    X ₁  X  ²       
menggambarkan atau menganalisis suatu kelompok n 1 (4)
tertentu tanpa menarik kesimpulan yang didasarkan 3. Standar Deviasi
atas perhitungan peluang atau inferensial mengenai Standar deviasi adalah variabilitas yang
suatu kelompok yang lebih besar. Informasi yang memperhitungkan penyimpangan (deviasi) dari setiap
dapat diperoleh dengan statistika deskriptif ini, antara nilai pengamaten atau data terhadap angka reratanya
lain adalah ukuran pemusatan data, ukuran penyebaran (mean). Standar deviasi memperhitungkan semua nilai
data, ukuran kecenderungan dari suatu gugus data, walaupun nilai ekstrim sekalipun. Dapat dirumuskan :
tabulasi dalam bentuk tabel, maupun tampilan dalam a. Standar deviasi data tunggal
  X 1   X 
bentuk diagram atau grafik [ CITATION Agu09 \l 2
14345 ]. Sd    
1. Mean n (5)
Mean juga dapat diartikan sebagai nilai rata – rata b. Standar deviasi data kelompok
dari suatu julah populasi atau juga menjadi rata – rata
dari suatu jumlah sampel, atau juga dapat menjadi nilai   M i  X  .² f i
rata – rata suatu kumpulan data dengan beberapa nilai S                   
fi
yang sama, bahkan nilai rata-rata dari kumpulan rata –
rata [ CITATION Pur07 \l 14345 ]. (6)

Mean dapat dirumuskan :

B. Diagram Batang (Bar Chart)
a. Mean dari data tunggal Diagram batang atau bar chart merupakan salah
satu cara penyajian data yang digambarkan oleh segi
1n  1xi
x empat baik secara vertikal maupun horizontal. Bar
n (1) chart digunakan jika ingin membandingka data antar
kategori dan melihat frekuensi atau besaran dari
b. Mean dari data kelompok kategori tersebut [ CITATION Edy15 \l 14345 ].
 fi   xi C. Rancangan Bujur Sangkar Latin
 Rancangan Bujur Sangkar Latin mempunyai dua
 fi (2) variabel bloking yaitu satu blok sebagai variabe baris dan satu
blok lainnya menjadi variabel kolom. Dikenal dengan
Rancangan Bujur Sangkar Latin karena variabel perlakuan
dinotasikan dengan huruf latin A, B, C, dll. [6].
D. ANOVA (Analysis of Variance)
Merupakan suatu metode statistik yang banyak
digunakan untuk menganalisis data dari suatu percobaan
yang terancang dan merupakan teknik analisis ragam atau
analisis varians. Salah satu ciri dari analisis ragam atau
analisis varians adalah model ini memiliki lebih banyak
parameter dari pada yang dibutuhkan untuk
mempresentasikan pengaruh - pengaruh yang diinginkan
[ CITATION Jau16 \l 14345 ]
Terdapat dua jenis ANOVA yakni anova satu jalan (one
way ANOVA) dan anova dua jalan (two way ANOVA).
Anova satu jalan digunakan untuk membandingkan lebih dari
dua rata-rata berdasarkan satu kriteria. Sedangkan anova dua
jalan digunakan untuk membandingkan lebih dari dua rata-
rata berdasarkan dua kriteria. ANOVA merupakan
pengembangan atau penjabaran lebih lanjut dari uji-t (thitung).
Perbedaannya adalah uji-t hanya dapat melihat perbandingan
dua kelompok data saja, sedangkan ANOVA dapat digunakan
untuk membandingkan lebih dari dua kelompok serta
berdasarkan kriteria tertentu [ CITATION Set17 \l 14345 ]
1. ANOVA one way
ANOVA satu jalan digunakan untuk melakukan
pengujian perbedaan antara k rata-rata sampel apabila subjek
–subjek ditentukan secara acak atau random pada setiap
bebetapa kelompok perlakuan. Persamaan yang
menunjukkan pengujian ANOVA one way adalah sebagai
berikut:
X1k = µ + ak + e1k
(7)
Dimana,
µ = rata-rata keseluruhan dari semua k populasi klasifikasi
ak = efek klasifikasi dari k kelompok, khusus darimana nilai
dijadikan sampel
e1k = kesalahan random yang tergabung dalam proses
sampling.
Hipotesa null dan hipotesa alternative untuk ANOVA satu
arah adalah sebagai berikut:
H0 : ak = 0
H1 : ak ≠ 0
Jika hipotesis null benar maka µ1 = µ2 = µ3 =…= µk
2. ANOVA Dua Arah
Tiga hipotesis null (Ho) yang berbeda dapat diuji dengan
ANOVA dua jalan (two way anova) dengan interaksi yaitu
tidak ada efek kolom (perbedaan rata-rata kolom tidak
signifikan), tidak ada efek baris (perbedaan rata-rata baris
tidak signifikan), dan tidak ada interaksi diantara dua faktor
baris dan kolom (dua faktor independen). Suatu efek interaksi
yang signifikan menunjukkan bahwa efek klasifikasi bagi
suatu faktor berubah-ubah sesuai dengan tingkat-tingkat
faktor yang lain. Dalam suatu kasus demikian, keberadaan
kolom dan atau baris mengakibatkan kemungkinan tidak
berartinya hasil-hasil penelitian. Persamaan linear model
untuk ANOVA dua jalan (two way anova) dengan interaksi
adalah :
Xjk = µ + ᵦj + ak +τ jk + ejk
Dimana,
µ :rata-rata keseluruhan tanpa memerhatikan banyaknya
klasifikasi
ᵦj :efek klasifikasi j dalam dimensi B (baris)
ak :efek klasifikasi k dari dimensi A (kolom),
τ jk :efek interaksi antara klasifikasi j (dari faktor B) dan
klasifikasi k (dari faktor A)
ejk :kesalahan random yang tergabung dalam proses
sampling.
E. IIDN
Uji asumsi klasik atau uji asumsi residual merupakan
salah satu syarat yang harus dipenuhi pada analisis varians
atau ANOVA. Asumsi yang harus dipenuhi pada analisis
antara lain residual harus identik, residual harus independen,
dan residual berdistribusi normal [ CITATION Zur18 \l
14345 ]
1. Uji residual identik
Uji residual identik digunakan untuk melihat
homogenitas dari variansi residual. Uji ini dapat dilakukan
dengan dua cara yaitu secara visual dan secara numerik.
Secara visual yaitu dengan cara membuat scatter plot residual
terhadap variabel responnya. Adapun secara numerik
pengujian keidentikan residual dapat menggunakan Uji
Glejser. Uji Hipotesis dari Uji Glejser adalah sebagai berikut,
H 0 : βj = 0
H1 : βj ≠ 0 , j=1,2,...,p
2. Uji residual independen
Uji ini digunakan untuk melihat apakah komponen error
berkorelasi dengan urutan waktu, urutan ruang, atau korelasi
pada komponen error itu sendiri.
3. Residual berdistribusi normal
Dengan menggunakan Uji Kolmogorov-Smirnov.
Hipotesis dari Uji Kolmogorov-Smirnov adalah
H0 : F (x) = F 0 (x) untuk semua x (residual berdistribusi
normal)
H1 : F (x) ≠ F0 (x) untuk minimal satu nilai x (residual tidak
berdistribusi normal)