ANALISIS VARIANSI
Dosen Pengampu:
Dr. Luh Gede Sri Artini, S.E., M.Si.
Oleh:
Kelompok 9
1
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, karena atas rahmat dan
karunia-Nya, kami dapat menyelesaikan makalah yang berjudul “Analisis Variansi” dengan
tepat waktu. Makalah ini disusun untuk memenuhi tugas mata kuliah Statistika Bisnis Lanjutan.
Kami mengucapkan terima kasih kepada Ibu Dr. Luh Gede Sri Artini, S.E., M.Si. selaku dosen
pengampu mata kuliah Statistika Bisnis Lanjutan. Kami juga mengucapkan terimakasih kepada
semua pihak yang membantu dalam penyusunan makalah ini.
Kami menyadari bahwa makalah ini masih banyak kekurangan dan kelemahan. Oleh
sebab itu, kami mengharapkan kritik dan saran yangmembangun untuk menyempurnakan
makalah ini. Demikian makalah ini kami buat, kami berharap makalah ini dapat memberikan
manfaat bagi kita semua.
Kelompok 9
2
DAFTAR ISI
JUDUL .............................................................................................................................. 1
KATA PENGANTAR ........................................................................................................ 2
DAFTAR ISI...................................................................................................................... 3
BAB I PENDAHULUAN................................................................................................... 4
1.1 Latar Belakang .......................................................................................................... 4
1.2 Rumusan Masalah ..................................................................................................... 4
1.3 Tujuan ...................................................................................................................... 4
BAB II PEMBAHASAN .................................................................................................... 5
2.1 Pengertian Distribusi F .............................................................................................. 5
2.1.1 Ciri-Ciri Distribusi F ........................................................................................... 5
2.2 Cara Menentukan dan Membaca Distribusi F ............................................................. 5
2.2.1 Cara Menentukan Nilai Kritis Distribusi F ........................................................... 5
2.2.2 Cara Membaca Distribusi F ................................................................................. 5
2.3 Pengujian Beda Dua Variansi Populasi....................................................................... 7
2.4. Pengujian Beda Lebih dari Dua Rata-rata Populasi .................................................. 10
2.4.1 Klasifikasi Satu Arah ........................................................................................ 10
2.4.2 Klasifikasi Dua Arah ......................................................................................... 18
BAB III PENUTUP .......................................................................................................... 27
3.1 Kesimpulan ............................................................................................................. 27
DAFTAR PUSTAKA ....................................................................................................... 28
3
BAB I
PENDAHULUAN
Oleh karena analisis variansi menggunakan distribusi F. maka akan dibahas terlebih
dahulu distribusi F. Untuk dapat memahami pengujian dengan distribusi F yang disebut uji
F, diperlukan pengertian yang cukup tentang sampel, populasi, distribusi sampel, rata-rata,
variansi, dan simpangan baku.
1.3 Tujuan
1) Untuk mengetahui apa pengertian dari distribusi F.
2) Untuk mengetahui pengujian beda dua variansi populasi.
3) Bagaimana pengujian beda lebih dari dua rata-rata populasi.
4
BAB II
PEMBAHASAN
𝑸𝟏∕𝒗 𝟏 𝑸 𝒗 𝒔 𝟐𝟏⋅𝑸𝟐𝟐
Rumus 1. 𝑭 = = ( 𝟏 ) ( 𝟐) =
𝑸𝟐∕𝒗 𝟐 𝑸𝟐 𝒗𝟏 𝒔 𝟐𝟐⋅𝑸𝟐𝟏
Jadi, distribusi F adalah pertandingan antara hasil bagi dua macam distribusi Chi
Kuadrat dengan derajat bebasnya masing-masing.
Contoh 1.
Tentukanlah nilai 𝐹0.05 (5,12). Jawab: 𝐹0.05( 5,12) berarti distribusi F dengan 𝑎 = 0,05, v1 = 5
dan v2 = 12. Lihat Lampiran 6, yaitu tabel distribusi F dengan taraf nyata 0,05. Cari pada
baris v1 bilangan 5, cari pada kolom v 2 nilai 12. Pada perpotongan antara kolom 5 (v1 =
5) dengan baris (v 2 = 12) adalah bilangan 3,11. Jadi, nilai 𝐹0.05 ( 5,12) = 3,11.
5
Rumus 2. P{F ≥ Fa(v1 ⋅ v2 )} = a
Di dalam praktek sering kali diperlukan nilai F sebagai batas bawah (kurva bagian kiri).
Untuk menghitung nilai F sebagai batas bawah dipakai rumus berikut:
1
Rumus 3. 𝐹1−𝑎(𝑣1 ⋅𝑣2 ) = 𝐹𝑎 (𝑣1 ⋅𝑣𝑥)
Contoh 2.
Untuk v1 = 10, v2= 4 pada taraf nyata 5%, maka nilai F nya sebesar 5,96 (lihat lampiran 6),
dan dinotasikan sebagai 𝐹0.05 ( 10,4) = 5,96. Secara grafis dapat dinyatakan dengan gambar
berikut:
f (F)
5,96 F
𝐹1 − 𝑎 (𝑣1 , 𝑣2 ) = ⋯ ?
1 1
𝐹0,95(10,4) = = = 0,287
𝐹0,05(4,10) 3,89
f (F)
0,287 F
Sementara untuk pengujian dua sisi pada taraf nyata sebesar 𝑎, gambar kurvanya secara
umum seperti di bawah ini.
6
Titik kritis bawah dapat dihitung per rumus 3. dan titik kritis batas atasnya dihitung per
rumus 2.
f (F)
𝑎/2
(1- 𝑎) 𝑎/2
𝑎 𝑎
F1 − (𝑣1 , 𝑣2 ) F1 − (𝑣1 , 𝑣2 ) F
2 2
1. Rumusan hipotesis
a. H0 : σ12 = σ 22 dan H1 : σ12 ≠ σ22 (uji dua sisi)
b. H0 : σ12 = σ 22 dan H1 : σ12 > σ22 (uji satu sisi, yaitu sisi kanan)
c. H0 : σ12 = σ 22 dan H1 : σ12 < σ22 (uji satu sisi, yaitu sisi kiri)
2. Tentukan taraf nyata (𝐚)
3. Statistik uji dan daerah kritis
• Statistik ujinya tergantung dari rumusan H1 sebagai berikut (McClave, et al., 2008):
Rumusan 𝐇𝟏 Statistik uji
( x1⋅ⅈ−x̅1) 2
dengan, S12 = ( n1−1)
7
̅ 1) 2
( x1⋅ⅈ−x
S12 = ( n1−1)
S12 = merupakan variansi sampel I, yang ditarik dari populasi Idan merupakan penduga
dari σ12 (variansi populasi I)
S22 = merupakan variansi sampel II, yang ditarik dari populasi II dan merupakan
penduga dari σ22 (variansi populasi II)
Daerah Kritis
Uji F, memiliki dua macam derajat bebas yaitu derajat bebas untuk pembilang (degree
of freedom for number) dinotasikan v1 dan derajat bebas untuk penyebut (degree of
freedom for denominator) dinotasikan v2.
df = (v1 , v2 )
= (n1 − 1)(n2 − 1)
Daerah kritis
5. Simpulan/Putusan
Terima H0 , bila statistic uji jatuh pada daerah penerimaan H0 atau tolak H0 bila statistik
uji jatuh pada daerah penolakan H0 .
Contoh 3.
Sebuah penelitian bermaksud membandingkan waktu yang diperlukan oleh karyawan laki-
laki dan perempuan untuk merakit sebuah produk tertentu. Pengalaman lalu menunjukan
bahwa sebaran waktu yang diperlukan bagi karyawan laki-laki dan perempuan
menghampiri sebaran (distribusi) normal, tetapi variansi waktu bagi perempuan lebih kecil
8
dari pada variansi waktu bagi laki-laki. Suatu sampel acak 11 karyawan laki-laki dan
karyawan perempuan diteliti. Ternyata besarnya variansi waktu yang diperlukan dalam
merakit produk yang dimaksud adalah 37,21 menit untuk laki-laki dan 28,09 untuk
perempuan. Dengan menggunakan taraf nyata 10%, ujilah hipotesis yang menyatakan
bahwa variansi waktu yang diperlukan untuk merakit produk tersebut oleh karyawan laki-
laki dan perempuan adalah sama (tidak berbeda).
Penyelesaian:
Informasi yang tersedia, n1 = 11, n2 = 14, S12 = 37,21 dan S22 = 28,09
1. Rumusan hipotesis
H0 : σ12 = σ 22
H1 : σ12 ≠ σ 22 (uji dua sisi)
2. Taraf nyata, 𝑎 = 10% = 0,01
v1 = (n1 − 1) = 10 } df = (10,13)
v2 = (n2 − 1) = 13
3. Statistik uji dan daerah kritis
𝑆12
Statistik uji: F0 = (oleh karena 𝑆12 > 𝑆22 )
𝑆22
Daerah kritisnya
F(1−a)( v < F < Fa (v1 , v 2 )
2 1,v2 ) 2
1
F1−a(v1⋅v2) =
F a( v1⋅vx )
Daerah kritisnya adalah F < F0,95(10,13) = 0,034 dan F > F0,05(10,13) = 2,67
9
5. Simpulan/putusan
Oleh karena statstik uji jatuh pada daerah penerimaan H0 diterima. Ini berarti tidak ada
beda variasi waktu dari waktu yang diperlukan untuk menyelesaikan produk tersebut,
oleh karyawan laki-laki dan perempuan.
Untuk menguji ada tidaknya perbedaan rata-rata k sampel (k > 2) yang diambil dari
k populasi yang bersifat independent akan dipakai uji F, yang analisisnya disebut analisis
variansi. Uji F dengan Teknik analisis variansi (keragaman) digolongkan atas dua yaitu
analisis variansi klasifikasi satu arah (one way classification) dan analisis dua arah
dibedakan atas dua analisis variansi klasifikasi dua arah tanpa interaksi dan analisis
variansi klasifikasi dua arah dengan interaksi. Namun dalam sub bab ini hanya dipelajari
analisis variansi dua arah tanpa interaksi.
10
Perhitungan-perhitungan dalam analisis variansi klasifikasi satu arah, bila diringkas
bentuk umumnya seperti tabel di bawah ini.
Rumusan hipotesisnya
H0 = μ1 = μ2 = μ3 = … = μk
Contoh 4.
Sebuah pabrik memproduksi 3 jenis bola lampu A1 , A2 , dan A3 . Bagian teknisi pabrik
ini ingin mengetahui apakah ada perbedaan rata-rata daya pakai/umur pakai di antara
ketiga jenis bola lampu tersebut. Untuk keperluan ini diambil sampel acak masing-
masing 5 bola lampu dari ke tiga jenis bola lampu tersebut dites umur pakainya.
Ternyata hasilnya sebagai berikut:
11
Dengan menggunakan taraf nyata 5%, ujilah apakah rata-rata umur pakai ketiga
macam bola lampu tersebut berbeda?
Penyelesaian:
n1 = n2 = n3 = n = 5
k=3
1. Rumusan hipotesis
H1 = Minimal dua macam bola lampu yang rata-rata umur pakainya tidak sama.
2. Taraf nyata, 𝑎 = 5% = 0,05
3. Statistik uji dan daerah kritis
𝑆12
Statistik uji: F0 =
𝑆22
Daerah kritis:
v2 = k(n-1) = 3(5-1) = 12
𝑥̅ 𝑖 24 18 25 𝑥̅ . = 22,33
12
𝑘 𝑘𝑛
𝑇..2
JKT = ∑. ∑ 𝑥 2𝑖𝑗 −
𝑛𝑘
𝑖=1 𝑗=1
3 5
2 𝑇. 2
= ∑. ∑ 𝑥𝑖𝑗 −
𝑛𝑘
𝑖=1 𝑗=1
= 222 + 252 + 232 + 262 + 242 + 192 + 152 + 162 + 192 + 212 + 272 +
(355) 2
262 + 232 + 252 + 242 −
5𝑥3
k 3
∑ T2i. 𝑇.2 ∑ T2i. 𝑇.2
i=1 i=1
JKK =
n
-
𝑛𝑘
= 5
-
15
= 187,34 – 143,34 = 44
Jadi,
𝐽𝐾𝐾
𝑆12 (𝑘−1)
F0 =
𝑆22
= 𝐽𝐾𝐺
𝑘(𝑛−1)
143,34
2
= 44 = 19,54
3(4)
13
5. Simpulan/putusan
Oleh karena statistik uji jatuh pada daerah penolakan H0 atau karena F0 = 19,54 >
F0,05(2,12) = 3,89, maka H0 ditolak, sebaliknya H1 diterima. Ini berarti ada perbedaan
yang signifikan/nyata antara rata-rata umur pakai ketiga jenis bola lampu tersebut
(atau paling sedikit ada dua jenis bola lampu yang rata-rata umur pakainya
berbeda/tidak sama secara nyata).
Catatan: Bila paling sedikit ada 2 jenis (sepasang) bola lampu yang umur pakainya
berbeda/tidak sama secara nyata, untuk mengetahui bola lampu mana yang dimaksud,
perlu di uji lagi dengan uji LSD (Least Significance Difference).
2𝑠2
LSDa = 𝑡𝑎 ;𝑘 (𝑛−1) 𝑆𝑑 = 𝑡𝑎 ;𝑘 (𝑛−1) . √
2 2 𝑛
𝑠 2 = S22 = 3,66
2𝑠2
LSDa = 𝑡𝑎 ;𝑘 (𝑛−1) .
√
2 𝑛
2(3,6)
= 2,179 √ = 2,64
5
Nilai LSD ini dibandingkan dengan nilai absolut beda rata-rata masing-masing di
bawah ini
Nilai absolut beda rata-rata yang lebih besar dari nilai LSD menunjukkan adanya
perbedaan yang nyata antara nilai rata-rata umur pakai kedua masam lampu tersebut.
Oleh karena
14
Maka, rata-rata umur pakai bola lampu jenis A2 dan A1 , secara keseluruhan (populasi)
berada secara nyata, demikian juga rata-rata umur pakai bola lampu jenis A3 dan
A2 (populasinya) berbeda secara nyata.
𝐽𝐾𝐾
𝑆12 =
(𝑘 − 1)
𝐽𝐾𝐺
𝑆22 =
(𝑁 − 𝑘)
𝑆12
𝐹0 =
𝑆22
N = ∑ 𝑛𝑖
𝑖=1
Contoh 5.
Seorang peneliti menduga bahwa rata-rata modal awal perusahaan yang bergerak
dibidang real estate di tiga kota A, B, dan C adalah sama besar. Untuk menguji dugaan
peneliti tersebut diambil sampel acak 15 perusahaan (6 perusahaan di kota A, 5
perusahaan di kota B, dan 4 perusahaan di kota C) untuk diteliti. Ternyata hasil penelitian
ini memberikan data tentang besarnya modal awal perusahaan di tiga kota tersebut (dalam
miliar rupiah) seperti data pada tabel.
Kota
Perusahaan
A B C
1 5 8 4
2 1 6 7
3 3 8 6
4 5 9 6
5 3 5
6 4
15
Paraf taraf nyata 5% ujilah dugaan peneliti tersebut.
Penyelesaian
𝑛𝐴 = 6, 𝑛𝐵 = 5 𝑛𝑐 = 4 → 𝑁 = 𝑛𝐴 + 𝑛𝐵 + 𝑛𝐶 = 15
k=3
1. Rumus Hipotesis
H0 : μA = μB = μC (Rata-rata modal awal perusahaan real estate di tiga kota adalah
sama)
H0 ∶ Minimal rata-rata modal awal perusahaan real estate di dua kota adalah tidak
sama
2. Taraf nyata, 𝛼 = 5% = 0,05
3. Statistik uji dan daerah kritis
𝑆21
Statistik uji: 𝐹0 =
𝑆22
Daerah kritis
𝑉1 = (𝑘 − 1) = (3 − 1) = 2 } 𝑑𝑓 = ( 𝑣1 , 𝑣2 ) = (2,12)
𝑉2 = (𝑁 − 𝑘) = (15 − 3) = 12
Kota
Perusahaan Total
A B C
1 5 8 4 17
2 1 6 7 14
3 3 8 6 17
4 5 9 6 20
5 3 5 8
6 4 4
Total 21 36 23 80
16
𝑘𝑛 𝑇2
JKT = ∑𝑘𝑖=1. ∑𝑗=1 𝑥12 −
𝑁
15 𝑇2
JKT = ∑3𝑖=1. ∑𝑗=1 𝑥12 −
15
= ( 52 + 12 + 32 + 52 + 32 + 42 ) + (82 + 62 + 82 + 92 + 52 ) + (42 + 72 +
802
62 + 62 ) − = 492 − 426,66 = 65,34
15
∑𝑘
𝑖=1 𝑇𝑖 𝑇2
JKK = −
𝑛𝑖 𝑁
∑3𝑖=1 𝑇𝑖 𝑇2
JKK = −
𝑛𝑖 15
𝐽𝐾𝐾 38,29
𝑆12 = ( 𝑘−1)
= = 19,145
2
𝐽𝐾𝐺 27,05
𝑆22 = = = 2,254
(𝑁−𝑘) 12
𝑆12 19,145
𝐹0 = = = 8,49
𝑆22 2,254
5. Simpulan/putusan
Oleh karena srarisrik uji jatuh pada daerah penilakan Ho, yaitu 𝐹0 = 8,49 >
𝐹0,05(2,12) = 3,89, maka 𝐻0 ditolak, dan sebaliknya 𝐻1 diterima. Ini berarti rata-rata
modal awal perusahaan yang bergerak di bidang real estate di ketiga kota tidak sama
(berbeda secara nyata) atau minimal di dua kota yang tidak sama.
17
2.4.2 Klasifikasi Dua Arah
Menurut dua kriteria dengan menyusun data tersebut dalam baris dan kolom. Kolom
menyatakan kriteria klasifikasi yang satu, sedangkan baris menyatakan kriteria klasifikasi
yang lain. Klasifikasi dibedakan dengan dua yaitu dua arah dengan satu pengamatan per
sel dan klasifikasi dua arah dengan beberapa (n) pengamatan per sel. Pada klasifikasi dua
arah dengan satu pengamatan per sel bertujuan ingin mengetahui bagaimana ef ek baris
dan efek kolom terhadap variasi hasil yang diperoleh tanpa melihat efek interaksi antara
efek baris dan kolom sedangkan pada klasifikasi dua arah dengan beberapa (n)
pengamatan pada sel bertujuan untuk mengetahui bagaimana pengaruh baris terhadap
variasi hasil yang diperoleh, bagaimana pengaruh kolom terhadap variasi hasil yang
diperoleh, dan bagaimana pengaruh dari adanya interaksi pengaruh baris dan kolom
terhadap variasi hasil yang diperoleh dapat dilihat pada buku Nata Wirawan:230.
JKT = ∑. ∑(𝑥 𝑖𝑗 − 𝑋. . ) 2
𝑖=1 𝑗=1
𝑟 𝑐
2 𝑇2
JKT = ∑. ∑(𝑥𝑖𝑗 −
𝑟. 𝑐
𝑖=1 𝑗=1
JKB = 𝑐 ∑. ( 𝑥 𝑖 − 𝑋. . ) 2
𝑖=1
∑𝑟𝑖=1 𝑇𝑖2 𝑇2
= −
𝑐 𝑟. 𝑐
JKK = 𝑟 ∑(𝑋.𝑗 − 𝑥. . ) 2
𝑗=1
∑𝑐𝑗=1 𝑇𝑗2 𝑇2
= −
𝑟 𝑟. 𝑐
18
4. Jumlah kuadrat galat/error (JKG)
𝑟 𝑐
Semua tahapan perhitungan di atas secara ringkas dapat disajikan seperti dalam tabel
19
𝐽𝐾𝐾 𝑆22
Antar kolom JKK c-1 𝑆22 = 𝐹2 =
(𝑐 − 1) 𝑆32
𝐽𝐾𝐺
Galat JKG (r-1)(c-1) 𝑆32 =
(𝑟 − 1)(𝑐 − 1)
1. Rumus Hipotesis
a) 𝐻0 : 𝛼1 = 𝛼2 =. . . = 𝛼𝑟 (pengaruh baris nol)
𝐻1 : Paling sedikit satu dari 𝛼1 ≠ 0 (pengaruh baris tidak sama nol)
b) 𝐻0 : 𝛽1 = 𝛽 =. . . = 𝛽𝑐 = 0 (pengaruh kolom nol)
𝐻1 : Paling sedikit satu dari 𝛽1 ≠ 0 (pengaruh kolom tidak sama nol)
2. Menetapkan taraf nyata
3. Statistik uji dan daerah kritis
Statistik uji:
𝑆21
a) 𝐹1 =
𝑆23
𝑆22
b) 𝐹2 =
𝑆23
Derajat bebas
Daerah kritis
20
Contoh 6.
Sebuah perusahaan ingin mengetahui apakah media promosi dan kemasan produk
berpengatuh atau tidak terhadap omzet penjualannya. Hasil penelitian yang berkaitan
dengan hal itu dutabulasikan sebagai.
Penyelesaian:
1. Rumus hipotesis
a) 𝐻0 : 𝛼1 = 𝛼2 = 𝛼3 = 𝛼4 = 0 (jenis media promosi tidak berpengaruh nyata
terhadap omzet penjualannya)
𝐻1 : Minimal satu dari 𝛼1 ≠ 0 (salah satu media promosi berpengaruh nyata
terhadap omzet penjualannya)
b) 𝐻0 : 𝛽1 = 𝛽 = 𝛽3 = 0 (ukuran kemasan produk tidak berpengaruh nyata
terhadap omzet penjualannya)
𝐻1 : Minimal satu dari 𝛽1 ≠ 0 (salah satu dari ukuran kemasan produk
berpengaruh nyata terhadap omzet penjualannya)
2. Taraf nyata 𝛼 = 5% = 0,05
3. Statistik uji dan daerah kritis
Statistik Uji:
𝑆21
a) 𝐹1 =
𝑆23
𝑆22
b) 𝐹2 =
𝑆23
21
Derajat bebas
𝐽𝐾𝐵 0,7
𝑆12 = = = 0,23
(𝑟−1) (4−1)
𝐽𝐾𝐾 0,06
𝑆22 = = = 0,03
(𝑐−1) (3−1)
𝐽𝐾𝐺 0,54 0,54
𝑆32 = = = = 0,09
(𝑟−1)(𝑐−1) (4−1)(3−1) 6
22
Jadi,
𝑆21 0,23
𝐹1 = = = 2,55
𝑆23 0,09
𝑆22 0,03
𝐹2 = = = 0,33
𝑆23 0,09
5. Simpulan/putusan
a) Oleh karena 𝐹1 = 2,55 < 𝐹0,05(3,6) = 4,76 maka Ho diterima. Jenis media
promosi tidak berpengaruh nyata terhadap omzet penjualannya. Dengan kata
lain, bahwa omzet penjualan yang dicapai karena perbedaan media promosi
adalah sama (tidak berebda nyata secara statistik).
b) Oleh karena𝐹2 = 0,33 < 𝐹0,05(2,6) = 5,14 maka Ho diterima. Ini berarti ukuran
kemasan tidak berpengaruh nyata terhadap omzet penjualan. Dengan kata lain,
bahwa rata-rata omzet penjualan yang dicapai karena adanya perbedaan
kemasan adalah sama.
Contoh 7.
Suatu penelitian yang bertujuan untuk mengetahui apakah lokasi hotel dan kelas hotel
berpengaruh terhadap tingkat penghunian kamarnya (dalam persen). Diambil sampel
acak, masing-masing empat hotel bintang 5, 4, 3 dan 2 di tiga lokasi yaitu daerah pantai,
pusat kota dan daerah pegunungan. Didapat hasil sebagai berikut:
Kelas Hotel
Lokasi Hotel
B.5 B.4 B.3 B.2
Daerah pantai 80 90 75 40
Pusat kota 70 75 80 85
Daerah
60 65 40 30
pegunungan
Pada taraf 5% ujilah
Penyelesaian
r=3, c=4
23
1. Rumus hipotesis
a. 𝐻0 : 𝛼1 = 𝛼2 = 𝛼3 = 0 (lokasi hotel tidak berpengaruh nyata terhadap tingkat
penghunian kamarnya)
𝐻1 : Minimal satu dari 𝛼1 ≠ 0 (minimal satu lokasi hotel berpengaruh nyata
terhadap tingkat penghunian kamarnya)
b. 𝐻0 : 𝛽1 = 𝛽 = 𝛽3 = 𝛽4 = 0 (kelas hotel tidak berpengaruh nyata terhadap
tingkat penghunian kamarnya).
𝐻1 : Minimal satu dari 𝛽1 ≠ 0 (minimal satu dari kelas hotel berpengaruh nyata
terhadap tingkat penghunian kamarnya)
2. Taraf nyata 𝛼 = 5% = 0,05
3. Statistik uji dan daerah kritis
Statistik uji
𝑆21
a) 𝐹1 =
𝑆23
𝑆22
b) 𝐹2 =
𝑆23
Derajat bebas
Daerah kritis/penolakan Ho
F
Daerah terima Ho 5,14
Daerah tolak Ho
24
b) 𝐹 > 𝐹𝛼(𝑣1,𝑣2) → 𝐹 > 𝐹0,05(3,6) = 4,76
Daerah penolakan dan penerimaan Ho tampak dalam
f(F)
𝛼 = 0,05
F
Daerah terima Ho 4,76
Daerah tolak Ho
Kelas Hotel
Lokasi Hotel Total
B.5 B.4 B.3 B.2
Daerah pantai 80 90 75 40 315
Pusat kota 70 75 80 85 315
Daerah 250
60 65 40 30
pegunungan
Total 225 230 235 190 880
Jadi,
𝑆21 352,08
𝐹1 = = = 10,79
𝑆23 32,64
25
𝑆22 138,89
𝐹2 = = = 4,26
𝑆23 32,64
5. Simpulan/putusan
a) Oleh Karena F1 = 10,79 > 𝐹0,05(2,6) = 5,14 maka Ho ditolak. Ini berarti lokasi
hotel berpengaruh nyata terhadap tingkat penghunian kamar hotel.
b) Oleh karena F2 = 4,26 < 𝐹0,05(3,6) = 4,76 maka Ho diterima. Ini berarti kelas
hotel tidak berpengaruh nyata terhadap tingkat penghunian kamar hotel.
26
BAB III
PENUTUP
3.1 Kesimpulan
Distribusi F adalah pertandingan antara hasil bagi dua macam distribusi Chi
Kuadrat dengan derajat bebasnya masing-masing. Menurut Mason dan Lind (1996),
distribusi F memiliki-ciri-ciri berikut: Suatu anggota keluarga distribusi F ditentukan
berdasarkan dua parameter: derajat bebas pembilang (v1 ) dan derajat bebas penyebut (v 2 ).
Nilai F non-negatif dan bersifat ke arah positif. Kurva distribusi F menjulur kea rah positif
Nilai f mempunyai interval dari 0 hingga ∞.
27
DAFTAR PUSTAKA
Wirawan, Nata. 2017. Statistika Ekonomi dan Bisnis (Buku 2: Statistika Inferensia). Denpasar:
Keraras Emas)
28