Tugas ke – 2

Metode Statistika II
“Analisis Ragam 1 Arah”

Oleh :
Nama :
NIM :
Asisten :

LABORATORIUM STATISTIKA
PROGRAM STUDI STATISTIKA
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika adalah ilmu yang mempelajari cara-cara pengolahan data
mulai dari mengumpulkan, menganalisis dan menginterpretasikan data
guna mengambil suatu kesimpulan dimana terdapat keadaan yang
beragam dan meragukan. Untuk memperoleh data tersebut diperlukan
adanya suatu penelitian dimana penelitian tersebut didapatkan dari
berbagai langkah pengujian dari para pengumpul data. Sebelum
melakukan penelitian, statistikawan akan menduga-duga terlebih dahulu
terhadap apa yang diteliti. Pernyataan dugaan atau pernyataan sementara
ini yang disebut dengan hipotesis.
Saat pengujian hipotesis untuk membandingkan antara lebih dari 2
populasi tersebut nilai tengahnya sama atau tidak, maka langkah yang
harus dilakukan seorang statistikawan adalah dengan melakukan
pengujian hipotesis 2 populasi secara bergantian. Sehingga apabila
terdapat 3 populasi maka akan ada 3C2 macam pasangan hipotesis yang
dilakukan. Hal itu tentu merepotkan apabila terdapat lebih banyak lagi
populasi, anggap saja k populasi. Sehingga beberapa macam cara untuk
membandingkan nilai tengah dengan bantuan pengujian hipotesis 2
populasi dapat dilakukan sebanyak kC2 macam pasangan hipotesis.
Untuk mempermudah kasus seperti ini, maka dapat dipermudah dengan
teknik analisis ragam; yaitu dengan membandingkan nilai tengah dari k
populasi secara sekaligus.
Perkembangan teknologi khususnya teknologi perangkat lunak
komputer untuk bidang statistika memberikan kemudahan untuk
melakukan pengolahan, pencacahan, dan perhitungan data. Dalam
pembahasan kali ini akan dibahas mengenai pengambilan keputusan
melalui pengujian hipotesis dengan menggunakan perangkat lunak
statistika dan kemudian membandingkan pengolahan menggunakan
manual. Dalam hal ini perangkat lunak yang digunakan adalah GenStat
Discovery Edition 4.
GenStat dipilih karena cakupannya yang luas dalam penggunaan
teknik statistika dan fasilitas yang lengkap untuk keperluan pengolahan
dan analisis data. GenStat sendiri memiliki kelebihan dalam hal
pengoperasian yang terdiri dari input window dan output window
sehingga menjadikan paket tatap muka GenStat lebih familiar. Dengan
adanya software GenStat ini, dapat mempermudah statistikawan dalam
mengolah data sehingga dapat mengefesiensikan waktu.
 Untuk itu dengan adanya praktikum ini diharapkan mahasiswa
khususnya mahasiswa Statistika bisa mengolah data dan mendapatkan
informasi secara akurat sesuai dengan data yang dianalisis salah satunya
dengan bantuan paket program GenStat.

1.2 Tujuan
1. Dengan dibuatnya laporan praktikum ini, diharapkan dapat
membantu dalam mengolah sekaligus menyajikan data dengan
menggunakan paket program GenStat.
2. Mampu menghitung data secara manual mupun menggunakan
GenStat serta mampu menginterpretasikannya.
3. Mampu menentukan hipotesis sesuai dengan data atau soal yang
sedang disajikan.
4. Mampu mengambil keputusan untuk menerima atau menolak
hipotesis yang diduga sesuai dengan cara seorang ahli statistika.
 BAB II
TINJAUAN PUSTAKA

Analisis ragam adalah suatu metode untuk menguraikan keragaman total

data menjadi komponen-komponen yang mengukur berbagai sumber
keragaman. Misalkan dalam penelitian untuk menguji hipotesis nol bahwa
ketiga varietas gandum secara rata-rata memberikan hasil panen yang sama.
Apabila ingin menguji apakah dua dari ketiga varietas memberikan hasil
yang berbeda nyata, dapat digunakan dengan uji hipotesis dua populasi,
tetapi apabila permasalahan yang ingin diuji ialah dari ketiga varietas
gandum tersebut maka gunakan analisis ragam. Dimana dalam percobaan
tersebut diperoleh dua komponen yaitu mengukur keragaman disebabkan
galat percobaan dan mengukur keragaman disebabkan oleh perbedaan
varietas. Dasar dari uji ini adalah dengan menggunakan sebaran F.
Misalkan dalam suatu k populasi; dari masing-masing populasi diambil
contoh berukuran n. Misalkan pula bahwa k populasi itu bebas dan menyebar
normal dengan nilai tengah µ1, µ2, …, µk dan ragam sama 𝜎 2 . Hipotesisnya
dapat dituliskan;
H0 : µ1 = µ2 = … = µk
H1 : Sekurang-kurangnya dua nilai tengah tidak sama

Populasi
1 2 ... i ... k
x11 x21 ... xi1 ... xk1
x12 x22 ... xi2 ... xk2
. . . .
. . . .
. . . .
x1n x2n ... xin ... xkn
Total T1. T2. ... Ti. ... Tk. T..
Nilai
Tengah 𝑥̅1. 𝑥̅2. ... 𝑥̅𝑖. ... 𝑥̅𝑘. 𝑥̅..
Misalkan xij adalah pengamatan ke-j dari populasi ke-i. Dimana Ti.
adalah total semua pengamatan dalam contoh dari populasi ke-i, 𝑥̅𝑖. adalah
rata-rata semua pengamatan dalam contoh dari populasi ke-i, T.. adalah total
semua nk pengamatan, dan 𝑥̅.. adalah rata-rata semua nk pengamatan. Setiap
pengamatan dapat dituliskan dalam bentuk;
𝑥𝑖𝑗 = 𝜇𝑖 + 𝜖𝑖𝑗 , yang dalam hal ini 𝜖𝑖𝑗 adalah simpangan pengamatan ke-j
dalam contoh ke-i dari nilai tengah populasi ke-i.
Hipotesis nol menyatakan bahwa semua nilai tengah populasi itu sama,
sedangkan hipotesis alternatifnya bahwa sekurang-kurangnya dua nilai
tengah tidak sama.
H0 : α1 = α 2 = . . . = αk
H1 : Sekurang-kurangnya satu αi tidak sama dengan nol
Ragam semua pengamatan bila semua pengamatan itu tidak
dikelompok-kelompokkan diberikan oleh rumus
∑𝑘 𝑛
𝑖=1 ∑𝑗=1(𝑥𝑖𝑗 −𝑥̅ .. )
2
𝑠2 = 𝑛𝑘−1

Pembilang 𝑠 2 disebut juga jumlah kuadrat total (JKT) dimana

mengukur keragaman total data yang tersedia. Berikut adalah suku-suku
jumlah kuadrat;
JKT = ∑𝑘𝑖=1 ∑𝑛𝑗=1(𝑥𝑖𝑗 − 𝑥̅.. )2 = Jumlah Kuadrat Total

JKK = 𝑛. ∑𝑘𝑖=1(𝑥𝑖. − 𝑥̅.. )2 = Jumlah Kuadrat Kolom

JKG = ∑𝑘𝑖=1 ∑𝑛𝑗=1(𝑥𝑖𝑗 − 𝑥̅𝑖. )2 = Jumlah Kuadrat Galat

Sehingga identitas jumlah kuadrat dapat dilambangkan JKT = JKK +

JKG. Jumlah kuadrat kolom juga bisa disebut dengan jumlah kuadarat
perlakuan atau antar grup sedangkan jumlah kuadrat galat bisa disebut
jumlah kuadrat dalam grup. Dari ketiga jumlah kuadrat tersebut dapat
diberikan cara secara sederhana yaitu;
𝑇2
JKT = ∑𝑘𝑖=1 ∑𝑛𝑗=1 𝑥𝑖𝑗
2 ..
− 𝑛𝑘

∑𝑘 2
𝑖=1 𝑇𝑖. 𝑇2
..
JKK = 𝑛
− 𝑛𝑘

JKG = JKT – JKK

• Nilai dugaan bagi 𝜎 2 yang didasarkan pada k-1 derajat bebas;
𝐽𝐾𝐾
𝑠12 = 𝑘−1

Bila H0 benar maka s1 merupakan penduga tak bias bagi 𝜎 2 . Tetapi jika H1
benar, maka JKK menghasilkan nilai yang lebih besar, artinya s1 menduga
lebih (overestimate) 𝜎 2 .
• Nilai dugaan bagi 𝜎 2 yang lain, yang didasarkan pada k(n-1) derajat
bebas;
𝐽𝐾𝐺
𝑠22 =
𝑘(𝑛−1)

Nilai dugaan ini bersifat tak bias, baik H0 benar atau salah
• Nilai dugaan bagi 𝜎 2 yang didasarkan pada nk-1 derajat bebas;
𝐽𝐾𝑇
𝑠 2 = 𝑛𝑘−1

Bila H0 benar maka s merupakan penduga tak bias bagi 𝜎 2 .

➢ Derajat bebas dari masing-masing sumber keragaman dapat dituliskan
sebagai berikut;
dbT = nk–1
dbG = k(n – 1)
dbK = k – 1
atau dapat diringkas dbT = dbG + dbK
𝑠2
dengan rumus 𝑓ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑠12
2

karena dalam hal ini sumber keragaman hanya berasal dari satu parameter
yaitu perlakuan, maka dapat disebut bahwa percobaan ini dilakukan dengan
uji analisis ragam satu arah.
𝛼
Dengan rumus 𝑓𝑡𝑎𝑏𝑒𝑙 = 𝑓[𝑑𝑏𝐾 ,𝑑𝑏𝐺 ]

Terima H0 jika 𝑓ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑓𝑡𝑎𝑏𝑒𝑙

Tolak H0 jika 𝑓ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑓𝑡𝑎𝑏𝑒𝑙

Hasil perhitungan dalam analisis ragam biasanya disajikan dalam bentuk
tabel seperti berikut;
o Tabel Analisis Ragam Klasifikasi Satu Arah

Sumber Jumlah Kuadrat

db 𝑓ℎ𝑖𝑡𝑢𝑛𝑔
Keragaman Kuadrat Tengah

Nilai tengah 𝑠12

k-1 JKK 𝑠12 𝑠22
kolom

Galat k(n-1) JKG 𝑠22

 Total nk-1 JKT

Adakalanya ukuran contoh yang diamati tidak sama (non-ortogonal);

missal pada populasi A diambil contoh sebanyak 6 unit sedangkan pada
populasi B diambil contoh sebanyak 8 unit, hal ini tentunya berpengaruh.
Untuk cara secara keseluruhan sama, hanya saja berbeda dalam menentukan
jumlah kuadrat kolom / jumlah kuadrat perlakuannya.
𝑇2 𝑇..2
JKK = ∑𝑘𝑖=1 𝑛𝑖. − 𝑁
𝑖

Dengan N adalah jumlah contoh acak keseluruhan.

 BAB III
METODOLOGI

Langkah-langkah untuk mengolah data dan menyajikan informasi guna

pengujian hipotesis dengan menggunakan paket program GenStat adalah
sebagai berikut :
1. Klik 2 kali pada icon GenStat pada layar desktop atau bisa dengan klik
Start → ketik pada Search Bar “GenStat Discovery Edition 4” → klik
pada icon program yang muncul tersebut.

2. Setelah program terbuka maka akan tampil halaman seperti berikut,

Pilih Run Discovery.

3. Kita akan dibawa pada halaman awal GenStat sebagai berikut,

1
 Pertama klik Close → perhatikan pada Menu bar (kotak nomor 2).

4. Klik Spread → New → Create…

Muncul halaman Size of New Spreadsheet. Masukkan Rows: 5 (karena

terdapat 5 ulangan) dan Columns: 6 (karena terdapat 6 perlakuan).

Centangi pada Set as Active Sheet; lalu klik OK

5. Masukkan datanya pada Spreadshhet yang muncul,

Bagian kolom sebagai perlakuan sedangkan bagian baris sebagai

banyaknya ulangan.
6. Klik Spread pada Menu Bar → Manipulate → Stack…
 Muncul halaman Stack Columns in Sheet: New Data. Masukkan
Number of Columns to stack together: 6 (karena terdapat 6 perlakuan);
Record column source in Factor: Perlakuan (karena angka 6 pada
Number of Columns to stack together mewakili banyaknya perlakuan);
Klik 2 kali pada C1, C2, C3, C4, C5, C6 pada Available Data agar dapat
tersalin ke bagian Stack Columns; beri centang pada Set as Active Sheet;
lalu klik OK.

Sehingga muncul Spreadsheet yang baru yang berisi,

7. Klik Stats → Analysis of Variance → One-and-Two-way…

Sehingga muncul halaman One-and-two-way Analysis of Variance;
pilih One-way pada bagian Design (kareana untuk menganalisis ragam
klasifikasi 1 arah); pilih C1_1 pada Y-variate dengan cara klik 2 kali
pada bagian yang muncul di Available Data; pilih “Perlakuan” pada
Treatments dengan cara klik 2 kali pada bagian yang muncul di
Available Data; lalu klik Run

Lihat hasil analisis dengan menggunakan paket program GenStat pada

bagian Output.
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Soal
1. Percobaan untuk mengetahui pengaruh besarnya dosis obat pada sapi (0
mg, 1 mg, 2mg, 3 mg, 4 mg, dan 5 mg) terhadap banyaknya susu yang
dihasilkan. Masing-masing perlakuan diulang 5 kali. Dengan α=5%
apakah terdapat pengaruh dosis terhadap banyaknya susu yang
dihasilkan?
PERLAKUAN U1 U2 U3 U4 U5 TOTAL
P1 19,4 32,6 27 32,1 33 144,1
P2 17,7 24,8 27,9 25,2 24,3 119,9
P3 17 19,4 9,1 11,9 15,8 73,2
P4 20,7 21 20,5 18,8 18,6 99,6
P5 14,3 14,4 11,8 11,6 14,2 66,3
P6 17,3 19,4 19,1 16,9 20,8 93,5

4.2 Perhitungan Manual

1. H0 : µ1 = µ2 = µ3 = µ4 = µ5 = µ6
H1 : Paling tidak terdapat satu pasang µi yang berbeda; i = 1,2,3,4,5,6

Perhitungan Anova
n (banyaknya ulangan) = 5
p (jumlah perlakuan) = 6
(∑6𝑖=1 ∑5𝑗=1 𝑦𝑖𝑗 )2
• FK =
5.6
596,62
= 30
355931,56
= 30
= 11864,3853
• JKT = 19,42 + 17,72 + 172 + . . . + 20,82 – FK
= 12994,36 – 11864,3853
= 1129,9747
144,12 +119,92 +73,22 +99,62 +66,32 +93,52
• JKA = – FK
5
= 12711,432 - 11864,3853
= 847,0467
• JKD = 1129,9747 - 847,0467
= 282,928
• dbT = 30 – 1
= 29
 • dbA =6–1
=5
• dbD = 29 – 5
= 24
847,0467
• KTA = 5
= 169,4093
282,928
• KTD = 24
= 11,7887
169,4093
• Fhitung =
11,7887
= 14,3705
• Ftabel = F(0,05)(5,24)
= 2,62
Tabel Anova
SK Db JK KT Fhitung Ftabel
Antar Grup 5 847,0467 169,4093 14,3705 2,62
Dalam Grup 24 282,928 11,7887
Total 29 1129,9747
Karena Fhitung > Ftabel maka keputusan Tolak H0
Interpretasi : Dengan tingkat kepercayaan sebesar 95%, belum cukup
bukti untuk menyatakan bahwa pengaruh dosis terhadap banyaknya susu
adalah sama.

4.3 Hasil pada GenStat

H0 : µ1 = µ2 = µ3 = µ4 = µ5 = µ6
H1 : Paling tidak terdapat satu pasang µi yang berbeda; i = 1,2,3,4,5,6

Ftabel = F(0,05)(5,24)
= 2,62
Karena v.r. > Ftabel maka tolak H0
Interpretasi : Dengan tingkat kepercayaan sebesar 95%, belum cukup
bukti untuk menyatakan bahwa pengaruh dosis terhadap banyaknya susu
adalah sama.
 BAB V

PENUTUP

5.1 Kesimpulan
Dari percobaan mengolah data dan menyajikan informasi dengan
menggunakan paket program GenStat, didapatkan hasil :
No Keterangan Hasil Manual Hasil GenStat Interpretasi
1. Analisis Fhitung = v.r. = 14,37 Dengan
Ragam 14,3705 Ftabel = 2,62 tingkat
Klasifikasi 1 Ftabel = 2,62 Karena Fhitung kepercayaan
Arah Karena Fhitung > > Ftabel maka sebesar 95%,
Ftabel maka tolak tolak H0 belum cukup
H0 bukti untuk
menyatakan
bahwa
pengaruh
dosis
terhadap
banyaknya
susu adalah
sama.
Jadi dapat disimpulkan bahwa paket program GenStat cocok digunakan
untuk mengolah data dalam statistika dalam analisis ragam klasifikasi 1 arah.
Hal itu dilihat dari perhitungan manual dan output GenStat yang relatif sama
seperti terlihat pada tabel di atas.

5.2 Saran
Program GenStat sangat membantu saya dalam mengolah data, hanya
saja untuk ketelitian mungkin ada sedikit perbedaan. Dalam perhitungan
manual yang saya lakukan saya bulatkan ke 4 angka desimal dibelakang
koma sejak awal perhitungan. Dengan pembulatan diawal perhitungan
tersebut membuat hasil akhir pasti akan berbeda walau terbilang cukup kecil.
Untuk itu sebaiknya pembulatan dilakukan diakhir karena hal tersebut akan
menentukan dalam pengambilan keputusan apakah terima H0 atau tolak H0
saat membandingkan Fhitung dengan Ftabel. Sehingga paket program
GenStat sangat disarankan dalam melakukan pengolahan data dalam hal
analisis ragam klasifikasi 1 arah.
 DAFTAR PUSTAKA

Walpole, Ronald E. 1995, Pengantar Statistika, edk 3, PT Gramedia Pustaka

Utama, Jakarta.
Yitnosumarto, Suntoyo. 1990, Dasar-dasar Statistika, CV Rajawali.
 LAMPIRAN

GenStat Release 10.3DE ( PC/Windows) 07 May 2011

05:22:15
Copyright 2011, VSN International Ltd. (Rothamsted
Experimental Station)
The GenStat Discovery Edition can be used for educational or not-for profit
research purposes in qualifying countries. A list of qualifying countries can
be viewed at http://discovery.genstat.co.uk.

Commercial use of the GenStat Discovery Edition is strictly prohibited.

________________________________________

GenStat Discovery Edition 4

GenStat Procedure Library Release PL18.2
________________________________________

1 %CD 'C:/Users/nugro/Documents'
2 "Data taken from unsaved spreadsheet: New Data;1"
3 ENDJOB

End of job. Current data space: 1 block, peak usage 1% at line 0.

GenStat Release 10.3DE ( PC/Windows) 07 May 2011
05:22:43
Copyright 2011, VSN International Ltd. (Rothamsted
Experimental Station)
4 "Active Sheet set to Spreadsheet [Book;1]*"
5 "Data taken from unsaved spreadsheet: New Data;1"
6 "Data taken from unsaved spreadsheet: New Data;2"
7 DELETE [REDEFINE=yes] _stitle_: TEXT _stitle_
8 READ [PRINT=*; SETNVALUES=yes] _stitle_
10 PRINT [IPRINT=*] _stitle_; JUST=left

Stacked on: 7-May-2011 5:25:19

11 DELETE [REDEFINE=yes] Perlakuan,C1_1

12 UNITS [NVALUES=*]
13 FACTOR [MODIFY=yes; NVALUES=30; LEVELS=6;
REFERENCE=1] Perlakuan
14 READ Perlakuan; FREPRESENTATION=ordinal

Identifier Values Missing Levels

Perlakuan 30 0 6

16 VARIATE [NVALUES=30] C1_1

17 READ C1_1

Identifier Minimum Mean Maximum Values

Missing
C1_1 9.100 19.89 33.00 30
0

20 RESTRICT Perlakuan,C1_1
21
22 ENDJOB

End of job. Current data space: 1 block, peak usage 1% at line 20.
GenStat Release 10.3DE ( PC/Windows) 07 May 2011
05:25:21
Copyright 2011, VSN International Ltd. (Rothamsted
Experimental Station)
23 "Active Sheet set to Spreadsheet [Book;2]*"
24 "Data taken from unsaved spreadsheet: New Data;2"
25 DELETE [REDEFINE=yes] _stitle_: TEXT _stitle_
26 READ [PRINT=*; SETNVALUES=yes] _stitle_
28 PRINT [IPRINT=*] _stitle_; JUST=left

Stacked on: 7-May-2011 5:25:19

29 UNITS [NVALUES=*]
30 FACTOR [MODIFY=yes; NVALUES=30; LEVELS=6;
REFERENCE=1] Perlakuan
31 READ Perlakuan; FREPRESENTATION=ordinal

Identifier Values Missing Levels

Perlakuan 30 0 6

33 VARIATE [NVALUES=30] C1_1

34 READ C1_1

Identifier Minimum Mean Maximum Values

Missing
C1_1 9.100 19.89 33.00 30
0

37
38 "One-way design"
39 DELETE [REDEFINE=yes] _ibalance
40 A2WAY [PRINT=aovtable,information,means;
TREATMENTS=Perlakuan; FPROB=yes; PSE=diff;\
41 PLOT=*; EXIT=_ibalance] C1_1; SAVE=_a2save
Analysis of variance
Variate: C1_1

Source of variation d.f. s.s. m.s.

v.r. F pr.
Perlakuan 5 847.05 169.41
14.37 <.001
Residual 24 282.93 11.79

Total 29 1129.97

Information summary
All terms orthogonal, none aliased.

Message: the following units have large residuals.

*units* 1 -9.42 s.e.
3.07
*units* 6 -6.28 s.e.
3.07

Tables of means
Variate: C1_1

Grand mean 19.89

Perlakuan 1 2 3 4 5 6
28.82 23.98 14.64 19.92 13.26
18.70

Standard errors of differences of means

Table Perlakuan
rep. 5
d.f. 24
s.e.d. 2.172

42 SET [IN=*]