ANALISIS DATA
“ANALISIS VARIAN”
Disusun oleh :
Ru’yatul Hilal
G1D018072
LATIHAN
1. Empat desain berbeda untuk suatu sirkuit computer digital diteliti untuk
membandingkan jumlah noise muncul. Diperoleh data hasil penelitian sebagai
berikut:
Desain Noise
Sirkuit
1 19 20 19 30 8
2 80 61 73 56 80
3 47 26 25 35 50
4 95 46 83 78 97
Apakah jumlah noise yang muncul sama untuk keempat desain tersebut?
Gunakan α =5 %.
Penyelesaian:
Untuk mengetaui apakah noise yang muncul untuk keempat desain sama atau
berbeda, maka akan dilakukan analisis varian.
Analisis varian yang akan dilakukan adalah analisis varian satu arah,
dengan bantuan SPSS. Berikut langkah-langkah dalam melakukan analisis
varian satu arah dengan menggunakan SPSS:
Descriptives
Noise
N Mean Std. Std. Error 95% Confidence Interval for Mean Minimum Maximum
Deviation Lower Bound Upper Bound
1 5 19.20 7.791 3.484 9.53 28.87 8 30
2 5 70.00 11.023 4.930 56.31 83.69 56 80
3 5 36.60 11.589 5.183 22.21 50.99 25 50
4 5 79.80 20.511 9.173 54.33 105.27 46 97
Total 20 51.40 28.089 6.281 38.25 64.55 8 97
Interpretasi:
Berdasarkan output di atas, dapat dilihat perbedaan rata-rata Noise dari
keempat desai sirkuit dengan rincian sebagai berikut:
a. Rata-rata Noise untuk desai sirkuit 1 sebesar 19.20
b. Rata-rata Noise untuk desai sirkuit 2 sebesar 70.00
c. Rata-rata Noise untuk desain sirkuit 3 sebesar 36.60
d. Rata-rata Noise untuk desain sirkuit 4 sebesar 79.80
Dengan demikian dapat disimpulkan bahwa secara deskriptif rata-rata sirkuit
paling tinggi adalah sirkuit 4 yakni sebesar 79.80.
Sebelum melakukan uji ANOVA asumsi yang harus dipenuhi adalah asumsi
kenormalan data dan asumsi homogenitas varian dari kelompok yang
dibandingkan. Berikut akan dilakukan uji normalitas dan uji homogenitas.
Uji Normalitas
Untuk mengetahui apakah asumsi kenormalan data terpenuhi, maka di
tampilkan Q-Q Plot dari data, dengan langkah klik Analyze → Descriptive
Statistic→ Q-Q Plots, kemudian masukkan variabel Noise ke kotak variabels,
dan pada test distribution pilih normal, kemudian klik Ok.
Maka akan dihasilkan Q-Q Plot sebagai berikut:
Interpretasi:
Dari Q-Q Plot di atas dapat dilihat bahwa plot data cendrung membentuk
garis lurus, artinya data berdistribusi normal, dan asumsi kenormalan
terpenuhi.
Selain menggunakan Q-Q Plot, uji normalitas juga dapat dilakukan dengan
uji Kolmogorov smirnov, langkah untuk uji Kolmogorov smirnov
menggunakan SPSS dapat dilakukan dengan langkah klik Analyze →
Nonparametric Test → Legacy Dialogs → 1- Sample K-S, kemudian
masukkan variabel Noise ke kotak Test variabel List, dan pilih Normal
lalu klik Ok.
Dihasilkan output sebagai berikut.
Interpretasi:
Dari output di atas dapat diketahui bahwa nilai sig. adalah 0.893, karena nilai
Sig. > α, maka dapat disimpulkan bahwa data berdistribusi normal, dan
asumsi normalitas terpenuhi.
Uji Homogenitas
Interpretasi:
Berdasarkan output di atas, diketahui angka Levene Statistic sebesar 1.294
dengan signifikan sebesar 0.311.
- Hipotesis
H 0 : keempat varian desain sirkuit adalah sama/identik
H 1 : keempat varian desain sirkuit tidak sama
- Taraf signifikan α =0.05
- Pengambilan keputusan
H0 diterima jika sig.> α
H0 ditolak jika sig.< α
- Kesimpulan: karena nilai sig. ( 0.311 ) > α, maka dapat
disimpulkan bahwa H0 diterima, yang artinya varian keempat
desain sirkuit tersebut sama, maka asumsi kesamaan varian
terpenuhi.
Uji ANOVA
ANOVA
Noise
Sum of Squares df Mean Square F Sig.
Between Groups 12042.000 3 4014.000 21.780 .000
Within Groups 2948.800 16 184.300
Total 14990.800 19
- Hipotesis
H 0 :μ 1=¿ μ2=μ 3=μ4
H 1 : μi ≠ μ j
- Taraf signifikan α =0.05
- Pengambilan keputusan
H0 diterima jika sig.> α
H0 ditolak jika sig.< α
- Kesimpulan: karena nilai sig.( 0.00)< α, maka dapat
disimpulkan bahwa H0 ditolak, yang artinya rata-rata keempat
desain sirkuit tersebut berbeda secara signifikan.
Multiple Comparisons
Dependent Variable: Noise
(I) Sirkuit (J) Sirkuit Mean Difference Std. Error Sig. 95% Confidence Interval
(I-J) Lower Bound Upper Bound
*
2 -50.800 8.586 .000 -75.36 -26.24
1 3 -17.400 8.586 .219 -41.96 7.16
*
4 -60.600 8.586 .000 -85.16 -36.04
*
1 50.800 8.586 .000 26.24 75.36
2 3 33.400* 8.586 .006 8.84 57.96
4 -9.800 8.586 .670 -34.36 14.76
Tukey HSD
1 17.400 8.586 .219 -7.16 41.96
*
3 2 -33.400 8.586 .006 -57.96 -8.84
*
4 -43.200 8.586 .001 -67.76 -18.64
*
1 60.600 8.586 .000 36.04 85.16
4 2 9.800 8.586 .670 -14.76 34.36
*
3 43.200 8.586 .001 18.64 67.76
2 -50.800* 8.586 .000 -69.00 -32.60
1 3 -17.400 8.586 .060 -35.60 .80
*
4 -60.600 8.586 .000 -78.80 -42.40
*
1 50.800 8.586 .000 32.60 69.00
*
2 3 33.400 8.586 .001 15.20 51.60
4 -9.800 8.586 .271 -28.00 8.40
LSD
1 17.400 8.586 .060 -.80 35.60
*
3 2 -33.400 8.586 .001 -51.60 -15.20
4 -43.200* 8.586 .000 -61.40 -25.00
1 60.600* 8.586 .000 42.40 78.80
4 2 9.800 8.586 .271 -8.40 28.00
*
3 43.200 8.586 .000 25.00 61.40
Interpretasi:
Dari output di atas dapat diketahui apakah terdapat perbedaan rata-rata antar
desain sirkuit secara signifikan. Berdasarkan output di atas berikut rincian
desain sirkuit yang memiliki perbedaan jumlah noise yang muncul:
a. Desain sirkuit 1 memiliki ratar-rata yang berbeda dengan desain sirkuit 2
dan 3, maka jumlah noise yang muncul antara desain sirkuit 1 dengan
desain sirkuit 2 dan 3 berbeda.
b. Desain sirkuit 2, memiliki rata-rata yang berbeda dengan desain sirkuit 1
dan 3, maka jumlah noise yang muncul antara desain sirkuit 3 dengan
desain sirkuit 1 dan 3 berbeda.
c. Desain sirkuit 3, memiliki rata-rata yang berbeda dengan desain sirkuit 2
dan 4, maka jumlah noise yang muncul antara desain sirkuit 3 dengan
desain sirkuit 2 dan 4 berbeda.
d. Desain sirkuit 4, memiliki rata-rata yang berbeda dengan desain sirkuit 1
dan 3, maka jumlah noise yang muncul antara desain sirkuit 4 dengan
desain sirkuit 1 dan 3 berbeda.
Noise
Sirkuit N Subset for alpha = 0.05
1 2
1 5 19.20
3 5 36.60
a
Tukey HSD 2 5 70.00
4 5 79.80
Sig. .219 .670
1 5 19.20
3 5 36.60
a
Duncan 2 5 70.00
4 5 79.80
Sig. .060 .271
Interpretasi:
Dari output di atas dapat diketahui desai sirkuit yang memiliki kesamaan rata-
rata jumlah noise yang dihasilkan. Berikut rinciannya:
a. Pada subset 1 terdapat data desain sirkuit 1dan 3, artinya rata-rata jumlah
noise yang dihasilkan kedua desain sirkuit tersebut tidak mempunyai
perbedaan yang signifikan. Dengan kata lain rata-rata jumlah noise yang
dihasilkan desain sirkuit 1 dan 3 adalah sama.
b. Pada subset 2 terdapat data desain sirkuit 2 dan 4, artinya rata-rata jumlah
noise yang dihasilkan kedua desain sirkuit tersebut tidak mempunyai
perbedaan yang signifikan. Dengan kata lain rata-rata jumlah noise yang
dihasilkan desain sirkuit 2 dan 4 adalah sama.
Konsentrasi
N 16
Mean 54.488
Normal Parametersa,b
Std. Deviation 2.8312
Absolute .147
Most Extreme Differences Positive .127
Negative -.147
Kolmogorov-Smirnov Z .588
Asymp. Sig. (2-tailed) .879
Between-Subjects Factors
Value Label N
Jenis_Pupuk 1 Kontrol 3
2 K2P1 3
3 K2P2 3
4 K2P3 3
5 K2P4 3
6 K3P1 3
7 K3P2 3
8 K3P3 3
9 K3P4 3
1 Timur 9
Blok 2 Tengah 9
3 Barat 9
Interpretasi:
Output di atas menunjukkan banyaknya data dari perlakuan, yaitu jenis pupuk
dan blok.
Descriptive Statistics
Dependent Variable: Produksi_Padi
Jenis_Pupuk Blok Mean Std. Deviation N
Timur 10.1900 . 1
Tengah 9.2600 . 1
Kontrol
Barat 12.7300 . 1
Total 10.7267 1.79617 3
Timur 32.0200 . 1
Tengah 25.7600 . 1
K2P1
Barat 19.7200 . 1
Total 25.8333 6.15033 3
Timur 23.9100 . 1
Tengah 21.9900 . 1
K2P2
Barat 21.4200 . 1
Total 22.4400 1.30457 3
Timur 17.1500 . 1
Tengah 15.6600 . 1
K2P3
Barat 10.3700 . 1
Total 14.3933 3.56307 3
Timur 10.3500 . 1
Tengah 13.3100 . 1
K2P4
Barat 14.3100 . 1
Total 12.6567 2.05926 3
K3P1 Timur 21.9800 . 1
Tengah 19.4300 . 1
Barat 16.1600 . 1
Total 19.1900 2.91741 3
Timur 18.0800 . 1
Tengah 13.5000 . 1
K3P2
Barat 18.3200 . 1
Total 16.6333 2.71620 3
Timur 18.0700 . 1
Tengah 14.0100 . 1
K3P3
Barat 14.3900 . 1
Total 15.4900 2.24241 3
Timur 12.3700 . 1
Tengah 16.3200 . 1
K3P4
Barat 10.2000 . 1
Total 12.9633 3.10284 3
Timur 18.2356 7.06027 9
Tengah 16.5822 5.03666 9
Total
Barat 15.2911 3.96198 9
Total 16.7030 5.42966 27
. 26 0 .
Grand Mean
Dependent Variable: Produksi_Padi
Multiple Comparisons
Dependent Variable: Produksi_Padi
(I) Jenis_Pupuk (J) Jenis_Pupuk Mean Difference Std. Error Sig. 95% Confidenc
(I-J) Lower Bound U
Produksi_Padi
Jenis_Pupuk N Subset
1 2 3 4 5
a,b
Tukey HSD Kontrol 3 10.7267
K2P4 3 12.6567
K3P4 3 12.9633
K2P1 3 25.8333
K2P1 3 25.8333
Multiple Comparisons
Dependent Variable: Produksi_Padi
(I) Blok (J) Blok Mean Difference Std. Error Sig. 95% Confidence Interval
(I-J) Lower Bound Upper Bound
Produksi_Padi
Blok N Subset
Barat 9 15.2911
Tengah 9 16.5822
Tukey HSDa,b
Timur 9 18.2356
Sig. .121
Barat 9 15.2911
Tengah 9 16.5822
Duncana,b
Timur 9 18.2356
Sig. .062
asumsi
Uji kenormalan
Produksi_Padi
N 27
Mean 16.7030
Normal Parametersa,b
Std. Deviation 5.42966
Absolute .109
Most Extreme Differences Positive .109
Negative -.085
Kolmogorov-Smirnov Z .568
Asymp. Sig. (2-tailed) .903
Independensi residual
4. Berikut ini adalah data hasil percobaan yang dilakukan dengan menggunakan
Rancangan Acak Kelompok/Blok.
Perlakuan Blok
1 2 3 4 5
A 0.95 0.86 0.71 0.72 0.74
B 0.71 0.85 0.62 0.72 0.64
C 0.69 0.88 0.51 0.73 0.44
Lakukan uji hipotesis untuk mengetahui apakah ada perbedaan rata-rata
perlakuan dan apakah blok/kelompok memberikan pengaruh terhadap hasil
percobaan.
Penyelesaian:
UNIVARIAT
Between-Subjects Factors
Value Label N
1 A 5
Perlakuan 2 B 5
3 C 5
1 3
2 3
Blok 3 3
4 3
5 3
Descriptive Statistics
Dependent Variable: Hasil
1 .9500 . 1
2 .8600 . 1
3 .7100 . 1
A
4 .7200 . 1
5 .7400 . 1
2 .8633 .01528 3
3 .6133 .10017 3
Total
4 .7233 .00577 3
5 .6067 .15275 3
. 14 0 .
Multiple Comparisons
Dependent Variable: Hasil
(I) Perlakuan (J) Perlakuan Mean Difference Std. Error Sig. 95% Confidence Interva
(I-J) Lower Bound Upper Bo
Hasil
Perlakuan N Subset
1 2
A 5 .7960
Sig. .056
C 5 .6500
B 5 .7080 .7080
Duncana,b
A 5 .7960
Multiple Comparisons
Dependent Variable: Hasil
(I) Blok (J) Blok Mean Difference Std. Error Sig. 95% Confidence Interval
(I-J) Lower Bound Upper Bound
Hasil
Blok N Subset
1 2
a,b
Tukey HSD 5 3 .6067
3 3 .6133
4 3 .7233 .7233
1 3 .7833 .7833
2 3 .8633
3 3 .6133
4 3 .7233 .7233
Duncana,b
1 3 .7833
2 3 .8633
UJI NORMALITAS
Produksi_Padi
N 27
Mean 16.7030
Normal Parametersa,b
Std. Deviation 5.42966
Absolute .109
Most Extreme Differences Positive .109
Negative -.085
Kolmogorov-Smirnov Z .568
Asymp. Sig. (2-tailed) .903