Analisis Varian

Istiono, SE., MBA.

 Pendahuluan
Bab ini membahas uji hipotesis untuk varian dan
uji rerata untuk lebih dari dua sampel. Statistik
pengujian yang digunakan pada uji hipotesis ini
adalah distribusi F. Tahapan uji hipotesis tetap
sama, yaitu ada lima tahapan.
 Analisis Varian
• Analisis varian (ANOVA) digunakan untuk menguji
signifikansi perbedaan diantara dua varian dan
perbedaan diantara tiga atau lebih rerata sampel.
Distribusi probabilitas yang digunakan untuk analisis
varian adalah distribusi F (Sir Ronald Fisher).
• Pada analisis varian ini, populasinya harus berdistribusi
normal dan datanya paling tidak berskala interval.
Untuk menggunakan ANOVA harus diasumsikan bahwa
setiap sampel berasal dari suatu populasi normal dan
masing-masing populasi mempunyai varian (2) yang
sama. Tetapi, uji normalitas tidak dibutuhkan apabila
ukuran sampel cukup besar.
 Distribusi F
Karakteristik distribusi F adalah:
• Ada serumpunan distribusi F. Anggota tertentu dari suatu
rumpun ditentukan oleh dua parameter, yaitu derajat
kebebasan pada pembilang dan derajat kebebasan pada
penyebut. Bentuk distribusi F berubah apabila derajat
kebebasannya berubah.
• Distribusi F bersifat sinambung. Ini berarti bahwa
distribusinya dapat berupa sejumlah nilai tertentu di antara
nol dan positif tak terhingga.
• Distribusi F tidak bisa negatif. Nilai terkecil distribusi F adalah
nol.
• Distribusi asimetris positif. Ekor panjang distribusinya
menuju ke sisi sebelah kanan. Semakin besar derajat
kebebasan, baik pembilang maupun penyebut, distribusinya
mendekati distribusi normal.
• Distribusi asimtotik. Semakin besar nilai X, distribusi F
mendekati sumbu X, tetapi tidak pernah menyinggungnya.
 Uji Hipotesis Dua Varian
Dalam rumusan hipotesis, hipotesis nol menyatakan bahwa
varian dari suatu populasi normal,  12, sama dengan varian
dari populasi normal lainnya,  22 . Sedangkan, hipotesis
alternatifnya adalah variannya tidak sama. Sehingga,
H0: 12   22
Ha: 12   22
Statistik uji untuk membandingkan dua varian adalah:
s12
F 2
s2
 2 2
Dimana, s dan s adalah varian sampel 1 dan
1 2
sampel 2. Nilai kritis uji hipotesis mengikuti
distribusi F dengan derajat kebebasan n1 – 1
untuk pembilang dan n2 – 1 untuk penyebut.
Varian sampel yang lebih besar ditempatkan
sebagai pembilang, sehingga rasio F tabel selalu
lebih besar dari 1,00. Sehingga, hanya ada satu
nilai kritis pada sisi kanan. Nilai kritis F pada uji
dua sisi diperoleh dengan membagi tingkat
signifikansinya (/2) dan kemudian lihatlah
derajat kebebasan yang sesuai di dalam
Lampiran 4.
 Contoh 9.1
PT Lancar adalah sebuah perusahaan jasa transportasi
(taxi) dalam kota. Perusahaan ingin mengamati waktu
yang diperlukan untuk menempuh dari sisi selatan
kota ke sisi utara kota. Ada dua alternatif jalan yang
dapat dipilih, yaitu jalan tengah kota dan jalan lingkar
barat kota. Jarak tempuh jalan tengah kota adalah
lebih pendek dari pada jalan lingkar barat, namun
jalan tengah kota mempunyai lebih banyak
perempatan dengan lampu pengatur lalu lintas dari
pada jalan lingkar barat. Hasil pengamatan sampel
yang dipilih secara acak waktu tempuh ditampilkan
dalam menit sebagai berikut:
 Jalan Tengah Kota Jalan Lingkar Barat
42 49
57 50
46 51
35 41
60 46
44 53
54 47
55

Dengan menggunakan tingkat signifikansi 0,10,

apakah ada perbedaan pada varian waktu
tempuh melalui kedua jalan itu?
Jawab
Berdasarkan data waktu tempuh diatas dapat dihitung rerata
waktu tempuh dan deviasi standar untuk kedua jalan
tersebut. Tabel berikut digunakan untuk menghitung rerata
waktu tempuh dan deviasi standar lewat jalan tengah kota
dan jalan lingkar barat.
Tengah Kota Lingkar Barat  X 338
X TK    48,29
X  X  X X  X 2
2 n 7
No X No
X  X 
1 42 39,51 1 49 0,00 2
485,43
sTK    8,99
2 57 75,94 2 50 1,00 n 1 7 1
3 46 5,22 3 51 4,00
4 35 176,51 4 41 64,00
 X 392
5 60 137,22 5 46 9,00 X LB    49
n 8
6 44 18,37 6 53 16,00
7 54 32,65 7 47 4,00 X  X 
2
134
sLB    4,38
Jumlah 338 485,43 8 55 36,00 n 1 8 1
Jumlah 392 134,00
1. Rumusan hipotesis:
 2
H0: TK   2
LB

 2
Ha: TK   2
LB

2. Tingkat signifikansi () : 0,10

3. Statistik pengujian:
2
sTK
F 2
sLB
Varian lewat jalan tengah kota dipilih sebagai pembilang
karena nilainya lebih besar.
4. Aturan keputusan:
Uji hipotesis ini merupakan uji dua sisi sehingga tingkat
signifikansi = /2 = 0,10/2 = 0,05. Derajat kebebasan
pembilang: nTK – 1 = 7 – 1 = 6 dan derajat kebebasan
penyebut: nLB – 1 = 8 – 1 = 7. Pilihlah distribusi F pada
tingkat signifikansi 5 persen (0,05) dan diperoleh nilai kritis
sebesar 3,87. Sehingga aturan keputusannya adalah:
H0 tidak ditolak jika: nilai F statistik (hitung)  3,87
H0 ditolak jika: nilai F statistik  3,87
4. Aturan keputusan: 2 2
sTK (8,99)
F 2  2
 4,23
sLB (4,38)

Karena 4,23 adalah lebih besar dari 3,87, maka hipotesis

nol ditolak. Dapat disimpulkan bahwa terdapat perbedaan
varian waktu perjalanan.
 Uji Hipotesis Rerata
ANOVA dapat digunakan untuk membandingkan
rerata dari tiga populasi atau lebih untuk menentukan
apakah nilainya sama. ANOVA digunakanuntuk
menghindari kesalahan tipe I () yang tidak
diinginkan. Adapun asumsi yang digunakan untuk
ANOVA adalah:
• Populasinya berdistribusi normal.
• Populasinya mempunyai deviasi standar () yang
sama.
• Populasinya adalah independen.
 Anova Satu-Faktor
Uji ANOVA digunakan untuk menentukan apakah
berbagai rerata sampel berasal dari satu populasi atau
beberapa populasi dengan rerata yang berbeda. Ini
berarti membandingkan rerata sampel melalui
variannya.
Hasil pengamatan beberapa sampel untuk analisis
varian dapat disusun dalam suatu tabel. Dimana, Xij
adalah nilai hasil pengamatan baris ke-i sampel ke-j; i
adalah baris 1 hingga n; j adalah sampel 1 hingga k; nj
adalah jumlah pengamatan pada sampel ke-j; n
adalah total seluruh pengamatan = nj; Tj adalah total
hasil pengamatan sampel ke-j = Xj;
TG adalah total seluruh hasil pengamatan = Tj; X =
Tj/nj adalah rerata sampel; dan X G adalah rerata
keseluruhan =  X ij n .

Sampel 1 Sampel 2 Sampel k Total

X11 X12 …………… X1k
X21 X22 …………… X2k
. . . .
. . . .
Xn1 Xn2 …………… Xnk
Total kolom (Tj) T1 T2 …………… Tk TG
nj n1 n2 …………… nk n
Rerata ( X ) X1 X2 …………… Xk XG
• Semua hasil pengamatan (Xij) tersebut dapat
berbeda dan yang diamati adalah variasi dari nilai-
nilai tersebut. Ada dua sumber variasi, yaitu (1)
variasi dalam sampel dan (2) variasi antar sampel.
• Variasi dalam sampel (within-sample variation atau
within groups variation) adalah variasi yang terjadi
diantara semua nilai hasil pengamatan dalam satu
sampel. Setiap sampel mempunyai variasi dalam
sampel masing-masing.
• Variasi antar sampel (between-sample variation
atau between groups variation) adalah variasi
diantara seluruh nilai hasil pengamatan dari semua
sampel. Umumnya, jika variasi dalam sampel adalah
besar, variasi antar rerata sampel juga besar.
 Mengukur Variasi
1. Total SS atau variasi total adalah ukuran variasi dalam
semua data, yang menunjukkan variasi dari seluruh data
dan dihitung dengan rumus:

SS  X ij  X G 
TG2
SS   X 
2
2
ij atau
n
2. SST atau variasi perlakuan adalah untuk mengukur variasi
antar sampel atau variasi antar perlakuan. SST disebut
juga sebagai variasi antar sampel (between groups
variation) dan dihitung dengan rumus:
 T j2  TG2
SST     SST   n j X j  X G 
2
atau
 n j  n

Derajat kebebasan (df) untuk SST = (jumlah level) – 1 = k – 1

3. SSE atau variasi acak (variasi kesalahan acak) adalah
ukuran variasi dalam setiap sampel. SSE mengukur variasi
dalam sampel atau variasi dalam perlakuan (within groups
variation). SSE dapat dihitung dengan rumus:
 
SSE  X ij  X j 
2
T
SSE   X ij    j 2
2
atau
 n j 
SSE dapat juga dicari dengan rumus : SSE = SS – SST
Derajat kebebasan untuk SSE adalah n1 + n2 +  + nk – k
=n–k
Selanjutnya adalah menghitung nilai kuadrat rerata (mean
square = MS) untuk SST dan SSE dengan rumus:
SST SSE
MST  dan MSE 
k 1 nk
MST merupakan estimasi yang didasarkan pada variasi antar
rerata sampel dan MSE merupakan esimasi yang didasarkan
pada variasi dalam setiap sampel.

Nilai F adalah rasio perbandingan antara MST dan MSE, yang

dirumuskan:
MST
F
MSE
Tabel ANOVA
SUMBER VARIASI SS df MS F
Perlakuan (Between Groups) SST k – 1 MST MST  MSE
Kesalahan Acak (Within Groups) SSE n – k MSE
Total SS n – 1
 Contoh 9.2
Kantor pelayanan pembayaran pajak kendaraan
bermotor (Kantor Samsat) di sebuah Kota di Jawa
Timur ingin membandingkan produktivitas kerja
pegawai yang diukur dengan jumlah pembayar PKB
yang dilayani. Dipilih secara acak tiga pegawai dan
empat hari kerja. Jumlah pembayar PKB yang dilayani
oleh masing-masing pegawai dicatat dan hasilnya
adalah seperti dalam tabel di bawah.
Apakah ada perbedaan rerata jumlah pembayar pajak
yang dilayani oleh ketiga pegawai tersebut?
 Shanti Agung Haryo
55 66 47
54 76 51
59 67 46
56 71 48
Jawab
Untuk perhitungan, tabel diatas diubah menjadi seperti tabel
ini.
Shanti Agung Haryo Total
55 66 47
54 76 51
59 67 46
56 71 48
Total (T) 224 280 192 696
n 4 4 4 12
Rerata ( X ) 56 70 48 58
Berikut ini adalah langkah-langkah untuk mendapatkan nilai F.

• Menentukan total SS atau variasi total:

 
2 2
T 696
SS   X ij2  G  552  542      482   41.450  40.368  1.082
n 12

• Menentukan SST atau variasi perlakuan:

 T j2  TG2  224 2 280 2 192 2  696 2
SST           41.360  40.368  992
 n j  n  4 4 4  12

• Menentukan SSE atau variasi acak:

SSE = SS – SST = 1.082 – 992 = 90
• Menentukan MST:
SST 992
MST    496
k 1 3 1
• Menentukan MSE:
SSE 90
MSE    10
n  k 12  3

• Menemukan rasio dari dua estimasi tersebut, yaitu:

MST 496
F   49,6
MSE 10
Karena rasio ini berbeda dari 1, maka dapat disimpulkan
bahwa rerata faktornya tidaklah sama. Jadi, terdapat
perbedaan rerata jumlah pembayar PKB yang dilayani oleh
ketiga pegawai tersebut.
 Tabel ANOVA Contoh 9.2

Tabel ANOVA hasil cetak SPSS

 Contoh 9.3
Sebuah survei tentang tingkat kepuasan para nasabah
terhadap layanan 4 bank swasta telah dilakukan di Kota
Bandung. Setiap responden yang dipilih secara acak diberi
kuesioner yang berisi 20 pernyataan tentang berbagai
indikator kepuasan. Para responden tinggal memilih lima
pilihan jawaban yang tersedia, yaitu sangat bagus; bagus;
cukup; buruk; dan sangat buruk serta setiap jawaban
diberi skor 5; 4; 3; 2; dan 1. Semua jawaban tersebut
kemudian dijumlahkan, sehingga total skornya
merupakan penanda tingkat kepuasan atas layanan bank.
Semakin besar skornya, semakin tinggi tingkat kepuasan
layanan bank. Skor tertinggi yang paling mungkin adalah
100 dan skor terendah adalah 20
 Bank Nuri Bank Manggar Bank Anggrek Bank Arjuna
94 75 70 68
90 68 73 70
85 77 76 72
80 83 78 65
88 80 74
68 65
65

Apakah ada perbedaan rerata tingkat kepuasan

antara keempat bank swasta tersebut? Gunakan
tingkat signifikansi 0,01.
Jawab
Untuk perhitungan, tabel diatas diubah menjadi seperti tabel
berikut ini.
1. Rumusan hipotesis:
• H0: 1 = 2 = 3 = 4
• Ha: 1  2  3  4 (skor reratanya tidak seluruhnya
sama)
2. Tingkat signifikansi: 0,01
3. Statistik pengujian: Statistik ujinya mengikuti distribusi F.
4. Aturan keputusan:
Nilai kritis untuk statistik F diperoleh untuk tingkat
signifikansi 1 persen. Derajat kebebasan (df) adalah:
Derajat kebebasan pada pembilang = k – 1 = 4 – 1 = 3
Derajat kebebasan pada penyebut = n – k = 22 – 4 = 18
Sehingga nilai kritisnya adalah 5,09.
 H0 tidak ditolak, jika nilai F  5,09 (nilai kritis)
H0 ditolak, jika nilai F  5,09 (nilai kritis).

5. Keputusan:
Menentukan total SS atau variasi total:
 
2 2
T 1.664
SS   X ij2  G  942  902      742  652   1.485,09
n 22
Menentukan SST atau variasi perlakuan:
 T j2  TG2  3492 3912 5102 4142  1.6642
SST             890,68
 n j  n  4 5 7 6  22

Menentukan SSE atau variasi acak:

SSE = SS – SST = 1.485,09 – 890,68 = 594,41
Menentukan MST:
SST 890,68
MST    296,89
k 1 4 1

Menentukan MSE:
SSE 594,41
MSE    33,02
n  k 22  4

Menemukan nilai statistik F:

MST 296,89
F   8,99
MSE 33,02
Nilai F statistik (hitung) adalah 8,99 dan lebih
besar dari nilai kritis 5,09, sehingga hipotesis nol
ditolak. Dapat disimpulkan bahwa rerata
populasinya tidak seluruhnya sama. Nilai rerata
kepuasan nasabah pada keempat bank swasta di
Bandung adalah tidak sama.
Untuk mengetahui pasangan perlakuan yang
memiliki rerata berbeda secara signifikan dapat
digunakan uji Tukey’s dengan rumus:
MSE
D  Q ;k ;v
nr

dimana, Q;k;v adalah nilai kritis untuk statistik Q

(lihat Lampiran 5) dengan menggunakan tingkat
signifikansi , k jumlah sampel (groups), dan v =
n – k; dan nr adalah rerata ukuran setiap sampel.
Dengan menggunakan data pada Contoh 9.3,
diketahui bahwa rerata penilaian kepuasan para
nasabah pada 4 bank adalah sebagai berikut:
Bank Nuri : 87,25 Bank Anggrek : 72,86
Bank Manggar : 78,20 Bank Arjuna : 69,00
Nilai MSE = 33,02; rerata ukuran sampel untuk setiap
sampel nr = 22/4 = 5,5; k = 4; v = n – k = 22 – 4 = 18.
Dengan tingkat signifikansi 0,01, nilai kritis Q0,01;4;18
pada Lampiran 5 diperoleh nilai 5,09. Sehingga,
MSE 33,02
D  Q ;k ;v  5,09   12,47
nr 5,5
Ini berarti bahwa setiap dua rerata sampel adalah berbeda
signifikan, menurut uji Tukey’s, apabila mereka berbeda
dengan suatu jumlah yang lebih besar dari nilai D (12,47).
Berikut adalah perbedaan rerata nilai kepuasan antar 4
bank swasta di Kota Bandung:
Bank Nuri dan Bank Manggar = 87,25 – 78,20 = 9,05 < 12,47
Bank Nuri dan Bank Anggrek = 87,25 – 72,86 = 14,39 > 12,47
Bank Nuri dan Bank Arjuna = 87,25 – 69,00 = 18,45 > 12,47
Bank Manggar dan Bank Anggrek = 78,20 – 72,86 = 5,34 < 12,47
Bank Manggar dan Bank Arjuna = 78,29 – 69,00 = 9,29 < 12,47
Bank Anggrek dan Bank Arjuna = 72,86 – 69,00 = 3,86 < 12,47
 Anova Dua-Faktor
ANOVA dua-faktor (two-factor) atau dua-arah (two-way)
adalah analisis varian dengan dua perlakuan. ANOVA ini dapat
mengurangi variasi kesalahan acak (SSE), sehingga akan
meningkatkan nilai F. Variabel perlakuan kedua yang
dimasukkan dalam analisis varian disebut dengan variabel
blok (blocking variabel).
Analisis yang menggunakan desain blok ini adalah
sama dengan ANOVA satu-faktor, kecuali bahwa
jumlah kuadrat total (SS) mempunyai satu
tambahan komponen, sehingga
SS = SST + SSB + SSE

dimana SSB mengukur variasi karena blok-blok

tersebut. Konsekuensinya, desain ini menggali
pengaruh blok tersebut, seperti diukur oleh SSB.
Jumlah kuadrat untuk desain blok adalah:

 
2
1 2 T
SST  T1  T22      Tk2 
b bk
dimana, n = jumlah observasi = bk; T1, T2, …., Tk merupakan
total untuk level faktor k; S1, S2, ….., Sb adalah total untuk blok
b; T = T1 + T2 + ….. + Tk atau T = S1 + S2 + ….. + Sb = total semua
observasi.
SSB  S1  S22      Sb2  
2
1 2 T
k bk
2
SS   x 2 
T
bk
dimana  x2 = jumlah kuadrat untuk setiap n (= bk) observasi.
 SSE  SS  SST  SSB
Derajat kebebasan adalah:
df untuk faktor = k–1
df untuk blok = b–1
df untuk acak = (k – 1)(b – 1)
df untuk total = bk – 1
 SST SSB SSE
dimana: MST  MSB  MSE 
k  1 b  1 k  1b  1

Rumusan hipotesis mengenai rerata perlakuan (faktor)

adalah:
• H0 : 1 = 2 = ….. = k (rerata perlakuannya sama)
• Ha : 1  2  …..  k (rerata perlakuannya tidak semua
sama)

Statistik uji yang digunakan untuk menguji hipotesis

mengenai rerata perlakuan (faktor) adalah distribusi F
yang dirumuskan sebagai berikut:
F1  MST MSE
dan kriteria keputusannya adalah:
H0 tidak akan ditolak, jika F1  F ,v ,v
1 2

H0 akan ditolak, jika F1  F ,v ,v

1 2

dimana v1 = k – 1 adalah derajat kebebasan pada

pembilang dan v2 = (k – 1)(b – 1) adalah derajat
kebebasan untuk penyebut.

Rumusan hipotesis mengenai rerata blok adalah:

H0 : 1 = 2 = ….. = b (rerata bloknya sama)
Ha : 1  2  …..  b
Statistik uji yang digunakan untuk menguji hipotesis
mengenai rerata blok adalah distribusi F yang
dirumuskan sebagai berikut:
F2  MSB MSE

dan kriteria keputusannya adalah:

H0 tidak akan ditolak, jika F2  F ,v ,v
' '
1 2

H0 akan ditolak, jika F2  F ,v ,v

' '
1 2

dimana v1'  b  1 adalah derajat kebebasan pada

pembilang dan v2'  (k  1)(b  1) adalah derajat
kebebasan pada penyebut.
 Contoh 9.4
CV Lancar adalah sebuah perusahaan layanan
transportasi dalam kota. Perusahaan sedang
mempertimbangkan rute baru yaitu dari stasiun pusat
kota ke bandara yang berada di pinggiran kota. Ada
empat rute yang dipertimbangkan yaitu Rute 1, Rute
2, Rute 3, dan Rute 4. Ada 5 pengemudi yang
dilibatkan dalam penelitian ini dan setiap pengemudi
melewati semua Rute tersebut. Hasil pengamatan
waktu perjalanan (dalam menit) yang menunjukkan
kombinasi pengemudi-rute adalah:
 Rute Perjalanan
Pengemudi Rute 1 Rute 2 Rute 3 Rute 4
Albert 18 17 21 22
Barry 16 23 23 22
Charles 21 21 26 22
Dendy 23 22 29 25
Edward 25 24 28 28

Pada tingkat signifikansi 0,05, apakah terdapat

perbedaan rerata waktu perjalanan melalui
keempat rute tersebut? Apakah terdapat
perbedaan rerata waktu perjalanan dari kelima
pengemudi?
Jawab

Rute Perjalanan
Pengemudi Rute 1 Rute 2 Rute 3 Rute 4 Total Rerata
Albert 18 17 21 22 78 19,50
Barry 16 23 23 22 84 21,00
Charles 21 21 26 22 90 22,50
Dendy 23 22 29 25 99 24,75
Edward 25 24 28 28 105 26,25
Total 103 107 127 119 456
Rerata 20,60 21,40 25,40 23,80
1. Rumusan hipotesis:
a. H0 : 1 = 2 = 3 = 4
Ha : 1  2  3  4
b. H0 : A = B = C = D = E
Ha : A  B  C  D  E
2. Tingkat signifikansi () yang dipilih adalah 0,05
3. Statistik pengujian adalah distribusi F :
F1  MST MSE dan
F2  MSB MSE
4. Aturan keputusan dibedakan menjadi:
Aturan keputusan untuk hipotesis nol pertama,
yaitu berkaitan dengan rerata perlakuan:
H0 tidak akan ditolak, jika F1  F ,v ,v
1 2

H0 akan ditolak, jika F1  F ,v ,v

1 2

F ,v1,v2 adalah nilai kritis untuk distribusi F dan

nilainya dicari dengan  = 0,05; v1 = k – 1 = 4 – 1 =
3 adalah derajat kebebasan pada pembilang; dan
v2 = (k – 1)(b – 1) = (4 – 1)(5 – 1) = 12 adalah
derajat kebebasan untuk penyebut. Sehingga nilai
kritis untuk F1 adalah 3,49
Jadi,
H0 tidak akan ditolak, jika F1  3,49
H0 akan ditolak, jika F1  3,49
Aturan keputusan untuk hipotesis nol kedua, yaitu
berkaitan dengan rerata blok:
H0 tidak akan ditolak, jika F2  F ,v ,v
' '
1 2

H0 akan ditolak, jika F2  F ,v ,v

' '
1 2

F ,v1,v2 adalah nilai kritis untuk distribusi F dan nilainya

dicari dengan  = 0,05; v1 = b – 1 = 5 – 1 = 4 adalah
derajat kebebasan pada pembilang; dan v2 = (k – 1)(b – 1)
= (4 – 1)(5 – 1) = 12 adalah derajat kebebasan pada
penyebut. Sehingga nilai kritis untuk F2 adalah 3,26.
 Jadi,
H0 tidak akan ditolak, jika F2  3,26
H0 akan ditolak, jika F2  3,26
4. Aturan keputusan dibedakan menjadi:
1 2
 
SST  T1  T2      Tk 
b
2 2 T2
bk
1
5

 103  107  127  119 
2 2 2 2

4562
(5)(4)
 72,8

 
2
1 2 T
SSB  S1  S22      Sb2 
k bk

4

1 2
 78  84  90  99  105 
2 2 2 2

4562
(5)(4)
 119,7
  
2 2
SS   x 2 
T 456
 182  17 2      282  282   229,2
bk (5)(4)
SSE  SS  SST  SSB  229,2  72,8  119,7  36,7

Rerata kuadrat dihitung sebagai berikut:

SST 72,8
MST    24,27
k  1 (4  1)
SSB 119,7
MSB    29,93
b  1 (5  1)
SSE 36,7
MSE    3,06
k  1b  1 (4  1)(5  1)
Derajat kebebasan adalah:
df untuk faktor= k – 1 = 4 – 1 = 3
df untuk blok = b – 1 = 5 – 1 = 4
df untuk acak = (k – 1)(b – 1) = (4 – 1)(5 – 1) = 12
df untuk total = bk – 1 = (5)(4) – 1 = 19

Nilai F dihitung sebagai berikut:

F1  MST MSE  24,27 3,06  7,93

F2  MSB MSE  29,93 3,06  9,78

Kesimpulan: Karena nilai F1 sebesar 7,93 adalah lebih
besar dari 3,49, maka hipotesis nol untuk rerata
perlakuan adalah ditolak dan hipotesis alternatifnya
diterima. Ini menunjukkan bahwa rerata waktu
perjalanan untuk semua rute adalah tidak sama.
Sedangkan, nilai F2 sebesar 9,78 adalah lebih besar dari
3,26, maka hipotesis nol untuk rerata blok juga ditolak
dan hipotesis alternatifnya diterima. Ini berarti bahwa
rerata waktu perjalanan untuk kelima pengemudi adalah
berbeda secara signifikan.
 Anova Dua-Faktor dengan
Interaksi
Penggunaan 2 faktor (A dan B) menyelesaikan dua
hal: pertama, dapat menentukan apakah faktor A
mempunyai pengaruh, dan kedua, dapat meneliti
apakah hubungan antara klasifikasi faktor B berbeda
untuk klasifikasi faktor A. Dengan kata lain, apakah
faktor B berhubungan dengan variabel dependen
tergantung pada level dari faktor A. Tipe pengaruh ini
disebut interaksi antara faktor A dan B.
 Konsekuensinya, ada tiga hipotesis yang dapat
diuji menggunakan desain faktorial dua-arah.
Hipotesis nol yang berkaitan adalah:
H0,A : faktor A adalah tidak signifikan
H0,B : faktor B adalah tidak signifikan
H0,AB : tidak ada interaksi antara faktor A dan faktor B

Dua hipotesis pertama adalah sama untuk

hipotesis yang diuji dalam ANOVA satu-arah,
tetapi hipotesis ketiga adalah unik untuk desain
faktorial dua-arah (atau lebih tinggi).
 Ilustrasi Desain Faktorial 2 x 4

Ilustrasi ini terdiri dari dua level untuk faktor A

(pria/wanita) dan empat level untuk faktor B
(kategori 1 hingga kategori 4) dan disebut desain
faktor 2 x 4. Konsekuensinya, data dikumpulkan
untuk delepan kombinasi level faktor, yang
merupakan suatu perlakuan. Nilai data dalam
perlakuan yang sama disebut replikat.
 Derajat Kebebasan
Ilustrasi Dua Replikat dalam Desain Faktorial Dua-Arah
(r = 2)
Derajat kebebasan dalam desain ini adalah:
df untuk faktor A = a – 1
df untuk faktor B = b – 1
df untuk interaksi = (a – 1)(b – 1)
df untuk total = abr – 1
df untuk kesalahan acak = ab(r – 1)
 Jumlah Kuadrat dan Rerata Kuadrat
Jumlah kuadrat (SS) dihitung dengan rumus berikut:

 
2
1 2 T
faktor A : SSA  T1  T22      Ta2 
br abr

dimana T = total semua n = abr observasi (yaitu, T = T1

+ T2 +  + Ta)

 
2
1 2 T
 
faktor B : SSB ar 1 2
S S 2
     S b 
2

abr
  
2
1 T
interaksi : SSAB   R 2  SSA  SSB 
r abr
dimana jumlah dalam tanda kurung adalah jumlah
dari semua kuadrat atas total replikat.
2
T
total : SS   x 
2

abr

dimana  x2 adalah jumlah kuadrat untuk setiap n =

abr pengamatan.
SSE = SS – SSA – SSB – SSAB
Kuadrat rerata dapat diperoleh dengan membagi setiap
jumlah kuadrat dengan derajat kebebasan tertentu.
SSA SSAB
MS A  MSAB 
a 1 a 1b 1

SSB SSE
MSB  MSE 
b 1 abr 1
 Pengujian Hipotesis
Dalam desain ANOVA dua-faktor, dapat diuji signifikansi
faktor A, faktor B, dan interaksi dari dua faktor itu. Untuk
faktor A, hipotesis nol adalah bahwa semua rerata adalah
sama lintas level faktor A. Ditulis dalam cara lain sebagai
berikut:

H0,A : faktor A adalah tidak signifikan (1 = 2 = … = a)

Ha,A : faktor A adalah signifikan (1  2  …  a)
Statistik uji adalah:
MS A
F1 
MSE

dan prosedur pengujian adalah menolak H0,A jika

F1  F ,v1 ,v2

dimana F ,v1,v2 adalah nilai kritis yang dicari dari tabel pada
Lampiran 4, v1 = df untuk faktor A = a – 1, dan v2 = df
untuk kesalahan = ab(r – 1).
Pengujian rerata untuk level-level faktor B, dapat
didefinisikan hipotesis:

H0,B : faktor B adalah tidak signifikan (1 = 2 = …. = b)

Ha,B : faktor B adalah signifikan (1  2  …  b)

Statistik uji yang digunakan:

F2  MSB MSE
dan faktor B adalah signifikan (H0,B ditolak) jika
F2  F ,v1 ,v2

dimana v1 = df untuk faktor B = b – 1, dan v2 = df

untuk kesalahan = ab(r – 1).
Hipotesis final adalah pengaruh interaksi antara dua
faktor itu.
H0,AB : tidak ada interaksi signifikan antara faktor A
dan faktor B
Ha,AB : ada interaksi signifikan antara faktor A dan
faktor B
MSAB
Statistik uji yang: F3 
MSE
dan prosedur uji adalah untuk menolak H0,AB jika
F3  F ,v1 ,v2

dimana v1 = df untuk interaksi =(a – 1)(b – 1), dan v2 =

df untuk kesalahan = ab(r – 1).
 Contoh 9.5
Lihat kembali Contoh 9.4. Dengan menggunakan desain
faktorial dua-arah, perusahaan ingin mempelajari pengaruh
pengemudi (faktor A) dan rute perjalanan (faktor B), juga
pengaruh interaksi antara pengemudi dan rute perjalanan,
pada jumlah waktu perjalanan. Perusahaan memutuskan
untuk menggunakan tiga replikat untuk masing-masing dari
dua puluh kombinasi perlakuan. Hasil sampel itu ditampilkan
dalam tabel berikut, dimana nilai dalam tanda kurung adalah
total replikat untuk setiap perlakuan.
Apakah rerata waktu perjalanan untuk para pengemudi
adalah sama? Apakah rerata waktu perjalanan untuk rute-
rutenya adalah sama? Apakah terdapat interaksi antara
pengemudi dan rute perjalanan? Gunakan tingkat signifikansi
0,05.
Jawab
1. Rumusan hipotesis:
a. H0,A : rerata waktu perjalanan para pengemudi
adalah sama
Ha,A : rerata waktu perjalanan para pengemudi
adalah tidak sama
b. H0,B : rerata waktu perjalanan untuk rute-rute
adalah sama
Ha,B : rerata waktu perjalanan untuk rute-rute
adalah tidak sama
c. H0,AB : tidak ada interaksi antara pengemudi dan rute
Ha,AB : ada interaksi antara pengemudi dan rute
2. Tingkat signifikansi yang dipilih adalah 0,05

3. Statistik pengujian yang digunakan adalah distribusi F:

F1 = MSA/MSE
F2 = MSB/MSE
F3 = MSAB/MSE

4. Aturan keputusan:
Untuk hipotesis yang menyatakan bahwa rerata waktu
perjalanan para pengemudi adalah sama:
H0,A tidak ditolak jika F1  F,v1,v2
H0,A tidak ditolak jika F1  F,v1,v2
Nilai kritis F1 dengan  = 0,05; v1 = a – 1 = 5 – 1 = 4; dan
v2 = ab(r – 1) = (5)(4)(3 – 1) = 40 adalah 2,61.

Untuk hipotesis yang menyatakan bahwa rerata waktu

perjalanan untuk rute-rute adalah sama:

H0,B tidak ditolak jika F2  F,v1,v2

H0,B tidak ditolak jika F2  F,v1,v2

Nilai kritis F2 dengan  = 0,05; v1 = b – 1 = 4 – 1 = 3; dan

v2 = ab(r – 1) = (5)(4)(3 – 1) = 40 adalah 2,84.
Untuk hipotesis yang menyatakan bahwa tidak ada
interaksi antara pengemudi dan rute:

H0,AB tidak ditolak jika F3  F,v1,v2

H0,AB tidak ditolak jika F3  F,v1,v2

Nilai kritis F3 dengan  = 0,05; v1 = (a – 1 )(b – 1) =

(5 – 1)(4 – 1) = 12; dan v2 = ab(r – 1) = (5)(4)(3 – 1) =
40 adalah 2,00.
5. Keputusan:
Dengan rumus yang ada, jumlah kuadrat dapat
diturunkan sebagai berikut:
SS A 
1 2
br
 
T1  T2      Ta 
2 2 T2
abr

 
2
1 1.368
 2342  2522  2702  297 2  3152   359,1
(4)(3) (5)(4)(3)

 
2
1 2 T
SSB  S1  S22      Sb2 
ar abr
 
2
1 1.368
 3092  3212  3812  357 2   218,4
(5)(3) (5)(4)(3)
  
2
1 T
SS AB   R 2  SS A  SSB 
r abr
1
 [542  512  633  662  482  692  692  662  632  633  782  662  692 
3
1.3682
66  87  75  75  72  84  84 ]  359,1  218,4 
2 2 2 2 2 2 2
 110,1
(5)(4)(3)
2
T
SS   x 2 
abr

 18  14  20      24  28  26 
2 2 2 1.3682
2

(5)(4)(3)
 859,6
2 2

Jadi,
SSE = SS – SSA – SSB – SSAB = 859,6 – 359,1 – 218,4 – 110,1
= 172
Sehingga,
SS A 359,1
MSA    89,775
a 1 5 1
SSB 218,4
MSB    72,80
b 1 4 1
SS AB 110,1
MSAB    9,175
a 1b 1 5 14 1
SSE 172
MSE    4,3
abr  1 (5)(4)(3  1)
Derajat kebebasan disini adalah:

Faktor pengemudi = a – 1 = 5 – 1 = 4
Faktor rute perjalanan = b – 1 = 4 – 1 = 3
Interaksi = (a – 1)(b – 1) = (5 – 1)(4 – 1) = 12
Kesalahan acak = ab(r – 1) = (5)(4)(3 – 1) = 40
Total = abr – 1 = (5)(4)(3) – 1 = 59
Kesimpulan:
a. H0,A ditolak karena nilai hitung F1 = 20,88 adalah lebih
besar dari 2,61 (nilai kritis) dan Ha,A diterima. Ini berarti
bahwa rerata waktu perjalanan para pengemudi adalah
berbeda signifikan.

b. H0,B ditolak karena nilai hitung F2 = 16,93 adalah lebih

besar dari 2,84 (nilai kritis) dan Ha,B diterima. Hal ini
berarti bahwa rerata waktu perjalanan untuk rute-rute
adalah berbeda signifikan.

c. H0,AB ditolak karena nilai hitung F3 = 2,13 adalah lebih

besar dari 2,00 (nilai kritis) dan Ha,AB diterima. Ini
menunjukkan bahwa terdapat interaksi antara para
pengemudi dan rute-rute.
 Perbandingan Ganda
Metode perbandingan ganda (metode Tukey’s) dapat
digunakan untuk menguji perbedaan berpasangan antara
rerata berbagai perlakuan dalam desain faktorial dua-arah.
Untuk desain faktorial dua-arah, digunakan Lampiran 5 untuk
mendapatkan Q,k,v, dimana  adalah tingkat signifikansi yang
diinginkan, k = ab adalah jumlah rerata perlakuan, dan v
adalah derajat kebebasan untuk MSE. Setiap dua rerata
perlakuan (sampel) yang berbeda dengan lebih dari:
MSE
D  Q ,k ,v 
r
akan menyiratkan bahwa semua rerata populasi adalah tidak
sama.
 Perbandingan Ganda
Menggunakan Contoh 9.5, akan ditentukan apakah rerata
waktu perjalanan Albert Rute 1 adalah sama seperti Albert
Rute 4, apakah rerata Albert Rute 2 adalah sama dengan
Barry Rute 3, dan seterusnya. Disini ada 5 x 4 = 20 rerata,
yang memberikan 20 C 2 = 190 kemungkinan perbandingan
berpasangan. Secara umum, untuk desain faktorial dua-arah
ada ab C 2 kemungkinan pasang rerata yang dapat dibandingkan
dengan menggunakan prosedur perbandingan ganda.

Nilai kritis yang berkaitan dengan  = 0,05; k = 20; dan v =

(5)(4)(3 – 1) = 40 (df untuk SSE) dari Lampiran 5 adalah
Q0,05, 20, 40 = 4,82. Karena MSE = 4,3 dan r = 3 replikat pada
setiap level perlakuan, maka
 MSE 4,3
D  Q ,k ,v   4,82   5,77
r 3

Sehingga, setiap pasang rerata perlakuan sampel yang

berbeda lebih dari 5,77 akan menyiratkan bahwa rerata
populasi itu adalah tidak sama.
Rerata waktu perjalanan pasangan antara masing-masing
pengemudi dan masing-masing rute seperti ditunjukkan pada
Contoh 9.4, misalnya rerata waktu perjalanan Albert melalui Rute
1 (A1) adalah 18 menit, Barry-Rute 2 (B2) adalah 23 menit dan
seterusnya. Selisih antara rerata waktu perjalanan A1 dan B2
adalah 23 – 18 = 5 menit, karena selisih ini lebih kecil dari 5,77
maka tidak dapat dikatakan bahwa rerata perjalan A1 dan B2
adalah berbeda. Berikut adalah dari sebagian pasangan yang
mempunyai selisih rerata waktu perjalanan lebih besar dari 5,77:
A1-C3; A1-D3; A2-B2; A2-E1; B1-C3; dan seterusnya.