Uji Hipotesis Komparatif, Analisis Varian 1 Jalur dan Uji Lanjut

Makalah ini disusun guna memenuhi tugas

Mata Kuliah : Statistika Dasar

Desen Pengampu : Dr. Dr. Wardono, M.Si.

Disusun Oleh : Kelompok VII

Dhidhit Bondhan Pamungkas (4112319002)

Muhammad Arif Wibowo (4112319013)

Prodi Statistika Terapan dan Komputasi Jurusan Matemantika FMIPA

UNIVERSITAS NEGERI SEMARANG

2020
 Uji Hipotesis Komparatif, Analisis Varian 1 Jalur dan Uji Lanjut

A. Uji Hipotesis Kompratif

1. Pengertian Pengujian Hipotesis Kompratif

Pengujian Hipotesis Komparatif merupakan pengujian parameter populasi yang

berbentuk perbandingan melalui ukuran-ukuran sampel yang dibandingkan. Pada pengujian
hipotesis ini, desain penelitian masih menggunakan variabel mandiri namun pada populasi
dan sampel yang berbeda atau pada populasi dan sampel yang sama namun waktu yang
berbeda.

Ada dua model komparasi :

 Komparasi antara dua sampel

 Komparasi antara lebih dari dua sampel (Sampel K)

Dari masing-masing model di atas dibag lagi menjadi dua jenis, yaitu sampel berkolerasi dan
sampel independen. Sampel berkolerasi biasanya sesuai dengan desain penelitian. Conth
perbandingan kemampuan kerja sebelum dan sesudah diberikan pelatihan.

Sedangkan sampel independen adalah sampel yang tidak termasuk atau sama lain, misalnya
membandingkan kemampuan kerja SMA dan SMK, membandingkan penghasilan petani dan
nelayan, dan lain-lain.

2. Dua Tipe Kekeliruan

Meskipun dalam penelitian hipotesis telah diterima atau ditolak, tidak berarti bahwa
telah dibuktikan kebenaran hipotesis. Yang diperlihatkan adalah hanya menerima atau
menolak saja. Dalam melakukan pengujian hipotesis terdapat dua macam kekeliruan yang
dapat terjadi, yaitu:

a. Kekeliruan tipe I ialah menolak hipotesis yang seharusnya diterima,

b. Kekeliruan tipe II ialah menerima hipoteis yang seharusnya ditolak.
Tipe Kekeliruan Dalam Membuat Kesimpulan Tentang Hipotesis

Keadaan Sebenarnya
Kesimpulan
Hipotesis Benar Hipotesis Salah
SALAH (Kekeliruan
Terima Hipotesis BENAR
Tipe II)
SALAH (Kekeliruan
Tolak Hipotesis BENAR
Tipe I)
 Ketika merencanakan suatu penelitian dalam rangka pengujian hipotesis, jelas kiranya
bahwa kedua tipe kekelirun itu harus dibuat sekecil mungkin. Agar penelitian dapat
dilakukan maka kedua tipe kkeliruan itu kita nyatakan dalam peluang. Peluang membuat
kekeliruan tipe I biasa dinyatakan dengan α (alpha) maka disebut pula kekeliruan α dan
peluang membuat kekeliruan tipe II dintayakan dengan β (beta) dikenal dengan kekeliruan β.

Harga α dan β adalah nilai dari probabilitas, maka nilainya antara 0 sampai dengan 1.
α disebut taraf signifikan atau taraf arti atau sering disebut taraf nyata. Jika α diperkecil,
maka β menjadi besar dan demikian sebaliknya. Harga α yang biasa digunakan adalah α =
0,01 atau α = 0,05. Misalnya, dengan α = 0,05 atau sering disebut taraf signifikan 5%, artinya
kira-kira 5 dari tiap 100 kesimpulan akan menolak hipotesis yang harusnya diterima. Dengan
kata lain kira-kira 95% yakin bahwa telah dibuat kesimpulan yang benar. Dalam hal demikian
dikatakan bahwa hipotesis telah ditolak pada taraf nyata 0,05 yang berarti mungkin salah
dengan peluang 0,05.

3. Langkah pengujian Hipotesis

a) Rumuskan hipotesis pengujian ( H 0 dan H 1)

b) Tentukan besar taraf nyata α
c) Tentukan kriteria pengujian (daerah pengujian yang sesuai)
d) Tentukan rumus hitung dan nilai statistic hitung berdasarkan data penelitian (sampel)
yang diambil
e) Menarik kesimpulan menerima atau menolak H 0 berdasarkan hasil 3 dan 4. Tolak jika
harga statistik penguji berada di daerah kritis atau daerah penolakan.

4. Uji Hipotesis Rata-rata μ : UJi Dua Pihak

Misalkan dipunyai sebuah populasi berdistribusi normal dengan rata-rata μ dan

simpangan baku σ . Untuk menguji parameter rata-rata μ, diambil sebuah sampel acak
berukuran n, lalu hitung statistik x dan s.

a) Dalam hal σ diketahui

Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ ≠ μ0
dengan μ0 sebuah harga yang diketahui.

2. Tentukan besarnya taraf signifikan a .

3. Kriteria pengujian.
−z 1 <z<z 1
Terima H 0 jika 2
(1−a)
2(1−a)
, selainya tolak H 0 .
 1
Dengan z 1 (1−a) diperoleh dari daftar distribusi normal baku dengan peluang ( 1−a ) .
2 2
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil.
x−μ0
¿
(VIII.1) z σ
√n
Dengan x adalah rata-rata sampel, μ0 nilai yang diketahui, σ adalah simpangan baku
populasi.
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.

Contoh 1

Pengusaha lampu pijar A mengatakan bahwa lampunya bisa tahan pakai skitar 800 jam.
Namun timbul dugaan bahwa masa pakai lampu tersebut telah berubah. Maka dilakukan
pengujian terhadap 50 lampu untuk menentukan hal ini. Ternyata diperoleh rata-ratanya 792
jam. Berdasarkan pengalaman diketahui simpangan baku masa hidup lampu 60 jam.
Selidikilah dengan menggunakan kepercayaan 95% apakah kualitas lampu telah berubah atau
belum.

Penyelesaian :

Diketahui x =792 ; n=50 ; σ =60

Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ ≠ μ0
yaitu {
H 0 : μ=800
H 1 : μ≠ 800

2. Taraf signifikansi a=5 % .

3. Kriteria pengujian.

Terima H 0 jika −z 1 (1−a) < z < z 1 (1−a)

2 2

−z 1 <z<z1 →−1,96< z< 1,96

(1−0,05) (1−0,05 )
2 2

1
Dengan z 1 (1−a) diperoleh dari daftar distribusi normal baku dengan peluang (1−a).
2 2

4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil

 x μ0 792−800
= =0,94
σ 60
√n √50

5. kesimpulan : karena z hitung =−0,94 terletak dalam daerah penerimaan H 0 maka H 0

diterima. Jadi, μ=800. Artinya, dalam taraf signifikansi 5% hasil penelitian menunjukan
bahwa masa pakai lampu belum berubah yaitu masih 800 jam.

b) Dalam hal σ tidak diketahui

Pada kenyataanya simpangan baku σ sering tidak diketahui, maka digunakan taksiranya
yaitu simpangan baku s.
Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ ≠ μ0

2. Tentukan besarnya taraf signifikan a .

3. Kriteria pengujian.

Terima H 0 jika −t 1−1 a <t <t 1− 1 a , selainnya tolak H 0 .

2 2

1
Dengan t 1−1 a diperoleh dari daftar distribusi t (distribusi student) dengan peluang 1− a dan
2 2
dk =n−1.
4. Statistic hitung berdasarkan data penelitian (sampel) yang diambil.
x−μ0
t=
(VIII.2) s
√n
Σ( x1− x)
(VIII.3) s2=
n−1
Dengan x adalah rata-rata sampel, μ0 nilai yang diketahui, s adalah simpangan baku
sampel.
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.

Contoh 2

Untuk contoh sebelumnya (kasus masa hidup lampu pijar), dimisalkan simpangan baku
populasi tidak diketahui, dan dari sampel diperoleh s=55 jam. Selidikilah dengan
menggunakan kepercayaan 95% apakah kualitas lampu telah berubah atau belum.

Penyelesaian
Diketahui x =792; n=50 ; s=55

Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ ≠ μ0
yaitu {
H 0 : μ=800
H 1 : μ≠ 800

2. Taraf signifikansi a=5 %.

3. Kriteria pengujian.

Terima H 0 jika −t 1−1 a <t <t 1− 1 a dengan dk =50−1=49

2 2

−t 1 <t< t 1 →−2,01<t <2,01

( 1−0,05) ( 1−0,05 )
2 2

4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil

x−μ0 792−800
t= = =−1,029
s 55
√n √50

6. Kesimpulan : karena t hitung =−1,029 terletak dalam daerah penerimaan H 0 maka H 0

diterima. Jadi, μ=800. Artinya, dalam taraf signifikansi 5% hasil penelitian
menunjukkan bahwa masa pakai lampu belum berubah yaitu masih 800 jam.

5. Uji Hipotesis Rata-Rata μ: Uji Satu Pihak

Misalkan dipunyai sebuah populasi berdistribusi normal dan diambil sebuah sampel acak
berukuran n, lalu dihitung statistik x dan s .
 Uji Pihak Kanan
a) Dalam hal σ diketahui
Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ> μ 0

2. Tentukan besarnya taraf signifikansi a .

3. Kriteria pengujian.
Tolak H 0 jika z ≥ z 0,5−a , selainya H 0 diterima.
Dengan z 0,5−a diperoleh dari daftar distribusi normal baku dengan peluang ( 0,5−a )
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil menggunakan
statistik z yang sama dengan rumus (VIII.1).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.

b) Dalam hal σ tidak diketahui

Pada kenyataanya simpangan baku σ sering tidak diketahui, maka digunakan

taksirannya yaitu simpangan baku s .

Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ> μ 0

2. Tentukan besarnya taraf signifikansi a .

3. Kriteria pengujian.
Tolak H 0 jika t ≥ t 1−a, selainnya H 0 diterima.
Dengan t 1−a diperoleh dari daftar distribusi t (distribusi student) dengan peluang 1−a dan
dk =n−1.
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil menggunakan
statistik t yang sama dengan rumus (VIII.2).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.

Contoh 3
Proses pembuatan barang rata-rata menghasilkan 15,7 unit per jam. Hasil produksi
memiliki varians 2,3. Metode baru diusulkan untuk mengganti metode lama jika rata-ratanya
per jam menghasilkan paling sedikit 16 buah. Untuk menentukan apakah metode akan diganti
atau tidak, metode baru dicoba 20 kali dan ternyata rata-rata per jam menghasilkan 16,9 buah.
Pengusaha bermaksud mengambil risiko 5% untuk menggunakan metode baru apabila
metode ini rata-rata menghasilkan lebih dari 16 buah. Apakah keputusan yang akan diambil
pengusaha?

Penyelesaian:

Diketahui x=16,9 ; n=20 ; σ= √ 2,3 , μ0=16

Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0
H 1 : μ ≠ μ0
yaitu{H 0 : μ=16
H 1 : μ> 16

2. Taraf signifikansi a=5 % .

3. Kriteria pengujian.
Tolak H 0 jika z ≥ z 0,5−a → z 0,5 −a=1,64
4. Statistik hitung bedasarkan data penelitian (sampel) yang diambil

x−μ0 16,9−16
z= = =2,65

√
σ 2,3
√n 20

5. Kesimpulan : karena z hitung =2,65> z 0,5−a =1,64 terletak pada daerah kritis maka H 0
dItolak. Jadi, μ>16. Sehingga dapat disimpulkan bahwa dengan risiko 5% metode baru
dapat menggantikan metode lama.

 Uji Pihak Kiri

a) Dalam hal σ diketahui
Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ< μ 0

2. Tentukan besarnya taraf signifikansi a .

3. Kriteria pengujian.
Tolak H 0 jika z ≤−z 0,5−a , selainnya H 0 diterima.
Dengan z 0,5−a diperoleh dari daftar distribusi normal baku dengan peluang ( 0,5−a ) .
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil menggunakan
statistik z yang sama dengan rumus (VIII.1).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.

b) Dalam hal σ tidak diketahui

Langkah pengujian hipotesis:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ< μ 0

2. Tentukan besarnya taraf signifikansi a .

3. Kriteria pengujian.
Tolak H 0 jika t ≤−t 1−a , Terima H 0 jika t >−t 1−a .
Dengan t 1−a diperoleh dari daftar distribusi student t dengan peluang 1−a dan dk =n−1.
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil menggunakan
statistik t yang sama dengan rumus (VIII.2).
5. Menarik kesimpulan berdasarkan hasil 3 dan 4.

Contoh 4

Masyarakat mengeluh dan mengatakan bahwa isi bersih makanan kaleng tidak sesuai
dengan yang tertera pada kemasannya sebesar 5 ons. Untuk meneliti hal ini, 23 kaleng
makanan diteliti secara acak. Dari sampel tersebut diperoleh berat rata-rata 4,9 ons dan
simpangan baku 0,2 ons. Dengan taraf nyata 5%, bagaimanakah pendapat anda mengenai
keluhan masyarakat tersebut.

Penyelesaian

Diketahui x=4,9; n=23 ; s=0,2; μ 0=5

Langkah pengujian hipotesis dengan varians populasi tidak diketahui:

1. Hipotesis pengujian { H 0 : μ=μ0

H 1 : μ ≠ μ0
yaitu{H 0 : μ=5
H 1 : μ< 5

Jika rata-rata berat makanan kaleng tidak kurang dari 5 ons tentu masyarakat tidak akan
mengeluh.
2. Taraf signifikansi a=5 %.
3. Kriteria pengujian.
Tolak H 0 jika t ≤ t t−a →−t 1−a=−t 1−0,05=−1,72 dengan dk =23−1=22
4. Statistik hitung berdasarkan data penelitian (sampel) yang diambil
x−μ0 4,9−5
t= = =−2,398
s 0,2
√n √ 23
5. Kesimpulan : karena t hitung =−2,398<−t 1−a=−1,72 terletak pada daerah kritis maka H 0
ditolak. Jadi, μ<5. Sehingga dapat disimpulkan penelitian tersebut menguatkan keluhan
masyarakat mengenai berat makanan kaleng yang kurang dari berat yang tertera pada
kemasan yaitu 5 ons.

B. Analisis Varian 1 Jalur

1. Pengertian One Way Anava / Analisis Ragam Satu Varian (Arah)

 Analisis ragam atau analysis of variance (anova) adalah suatu metode untuk
menguraikan keragaman total data menjadi komponen-komponen yang mengukur berbagai
sumber keragaman. Secara aplikatif, anava digunakan untuk menguji rata-rata lebih dari dua
sampel berbeda secara signifikan atau tidak.

Anova satu arah hanya memperhitungkan satu faktor yang menimbulkan variasi. One
way anava (Analisis ragam satu arah) biasanya digunakan untuk menguji rata-rata/pengaruh
perlakuan dari suatu percobaan yang menggunakan satu faktor, dimana satu faktor tersebut
memiliki 3 atau lebih variabel. Disebut satu arah karena peneliti dapat penelitiannya hanya
dengan berkepentingansatu faktor saja. Data hasil percobaan di dalam one way anava setidak-
tidaknya bertipe interval.

Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai
bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan
dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang mulai dari
eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.

2. Manfaat One Way Anava / Analisis Satu Varian

Analisis varian banyak digunakan pada penelitian-penelitian yang banyak melibatkan

pengujian komparatif, yaitu menguji variable terikat dengan cara membandingkannya pada
kelompok-kelompok sampel independent yang diamati. Analisis varian saat ini banyak
digunakan dalam enelitian survey dan penelitian ekspiremen. One way anava dilakukan untuk
menguji perbedaan tiga kelompok atau lebih berdasarkan pada variable independen.

3. Pola Sampel

a) Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan yang ada di
kelompok lain, berasal dari populasi yang sama. Untuk kondisi dari hipotesis nol
terbatas pada tidak adanya efek dari treatment (perlakuan).
b) Sampel yang ada di kelompok satu berasal dari populasi yang berbeda dengan
populasi sampel dengan populasi sampel yang ada di kelompok lainnya.

4. Jenis Varians

a) Varians Sistematik
Adalah variasi pengukuran karena adanya pengaruh alami atau buatan manusia yang
menyebabkan terjadinya peristiwa dapat diduga atau diramalkan dalam arah tertentu.
Misalnya seorang anak yang memperoleh makanan cukup bergizi secara sistematik
akan mempengaruhi pertumbuhan yang lebih baik dibandingkan anak kekurangan
gizi. Salah satu varian sistematik adalah varians antar kelompok atau varians
eksperimental. Varians ini menggambarkan adanya perbedaan atau variasi sistematik
antara kelompok-kelompok hasil pengukuran.
b) Varians Galat
Adalah varians yang terdapat di dalam kelompok data, digunakan untuk menganalisis
dua atau beberapa perlakuan / percobaan terhadap suatu obyek.
5. Asumsi Dasar dalam Anava

a) Kenormalan
Setiap harga dalam sampel berasal dari distribusi normal, sehingga distribusi skor
sampel dalam kelompok pun hendaknya normal. Kenormalan dapat diatasi dengan
memperbanyak sampel dalam kelompok, karena semakin banyak (n) maka distribusi
akan mendekati normal. Apabila sampel tiap kelompok kecil dan tidak dapat diatasi,
maka dengan jalan melakukan transformasi.
b) Kesamaan Variansi
Masing-masing kelompok hendaknya berasal dari populasi yang mempunyai variansi
yang sama. Untuk sampel yang sama pada setiap kelompok, kesamaan variansi dapat
diabaikan. Tetapi, jika banyaknya sampel pada masing-masing kelompok tidak sama,
maka kesamaan variansi populasi memang sangat diperlukan.
c) Penamatan Bebas
Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan
merupakan informasi yang bebas.

6. Analisis One Way Anava

Populasi
1 2 …….. i …….. c
X11 X21 Xc1
X12 X22 Xc2
. . .
. . .
. . .
Total T1 T2 Tc T

a) Untuk membuat table anava dibutuhkan rumus-rumus berikut :

c n 2
T
JKT = ∑ ∑ xij -
2
= jumlah kuadrat total
i=1 j=1 nC
c 2
1 T
JKK =
n ∑ T 2i −¿ nC ¿ = jumlah kuadrat kolom
i=1

JKG = JKT – JKK = jumlah kuadrat galat

b) Jika sampel tiap kolom berbeda maka perhitungannya menjadi :
k ¿
T2
JKT = ∑ ∑ xij -
2
= jumlah kuadrat total
i=1 j=1 N
k
1 T2
JKK = ∑ T
¿ i=1 i
2
−¿
N
¿ = jumlah kuadrat kolom

JKG = JKT – JKK = jumlah kuadrat galat

k
Dimana N = ∑ ¿
i=1

Keuntungan jika mengambil ukuran sampel sama untuk tiap kolom adalah :
1. Rasio F tidak peka terhadap penyimpanan dari asumsi kehomogenan varian bagi k
populasi
2. Meminimkan peluang melakukan galat jenis II
3. Perhitungan jumlah kuadrat lebih sederhana.

jK
c) Untuk menghitung rata-rata kuadrat (RJK) adalah RJK =
db

Ringkasan Anova Satu Jalur

Sumber Varians Jumlah Kuadrat Derajat Bebas Rata-rata F hitung

(SV) (JK) Kuadrat
Kolom JKK c-1 JKK RJKK
d bk RJKG
Galat JKG c(n-1) JKG -
d bG
Total JKT nc-1 - -

d) Pengujian :
F hitung ≥ F tabel, maka tolak Ho (Signifikan)
F hitung ≤ F tabel, maka tolak Ha (Tidak Signifikan)

e) Langkah-langkah uji anava satu jalur :

a) Membuat hipotesis kalimat
b) Membuat hipotesis statistik
c) Membuat daftar statistik induk
d) Menghitunglah JK dan RJK
e) Mencarilah F hitung
f) Menentukan taraf signifikansinya
g) Mencari F tabel dengan rumus : F tabel = F(i−a)(dbA. dbD)
h) Membuat tabel ringkasan Anava
i) Menentukan kriteria pengujian : Jika F hitung ≥ F tabel , maka tolak Ho berarti
signifikan dan membandingkan antara F hitung dengan F tabel
j) Membuat kesimpulan

f) Uji wilayah berganda

Jika dalam kriteria pengujian didapat bahwa Ho ditolak, artinya nilai tengah
itu tidak semuanya sama. Maka untuk mengetahui nilai tengah mana saja yang
berbeda nyata dapat digunakan uji wilayah berganda Duncan. Dengan rumus sebagai
berikut ini :

Rp = r p
√ RJKG
n
 R p = wilayah terstudentkan nyata terkecil.

7. Contoh Kasus One Way Anava

1. Sebuah perkebunan kayu jati ingin memenuhi kebutuhan bahan baku relasi usahanya
yang berupa industri mebel bernama “Dream High”. Produksi industri mebel ini
cukup tinggi dan beragam, sehingga perkebunan harus menyediakan bahan baku guna
memenuhi kebutuhan industri mebel. Perkebunan jati ini merupakan supplayer
tunggal bagi industri mebel shingga seluruh hasil kayu perkebunan akan diterima oleh
industri baik sebagai bahan untuk produksi maupun simpanan di Gudang.
Awal tahun ini industri mebel akan meningkatkan produksi mebelnya untuk tahun
depan. Untuk itu, kemudian perkebunan akan merekap data bahan baku berupa kayu
yang keluar dan yang masuk ke industri tersebut selama 5 tahun terakhir sama atau
berbeda. Hal ini harus dilakukan agar penyusunan budget / anggaran dana tahun
depan perusahaan bisa disesuaikan dengan hasil produksi kayu di kebun. Untuk
mengetahui hal tersebut maka perusahaan mengambil data bulanan selama 5 tahun
terakhir sebanyak 12 data / tahunnya sesuai dengan jumlah bulan yang ada. Makan
didapatkan data produksi perkebunan sebagai berikut ini :

Tabel 1. Data Produksi Selama 5 Tahun Terakhir

A B C D E
35 43 45 46 37
40 34 34 45 42
44 35 33 38 46
31 41 38 50 30
48 32 32 35 33
33 37 39 44 44
36 30 39 44 40
41 50 44 30 49
37 45 40 30 30
50 36 32 30 31
32 36 49 35 30
44 48 50 40 50
Total 471 467 475 467 462 2342

Keterangan :
A = Produksi tahun pertama (m3)
B = Produksi tahun kedua (m3)
C = Produksi tahun ketiga (m3)
D = Produksi tahun keempat (m3)
E = Produksi tahuun kelima (m3)

Penyelesaian :
1. Membuat Hipotesa :
 H 0 : terdapat perbedaan yang signifikan antara hasil produksi kayu selama 5 tahun
terakhir.
H 0 : tidak terdapat perbedaan yang signifikan antara hasil produksi kayu selama 5
tahun terakhir.
Taraf signifikan 5%

2. Menghitung JKT, JKK, JKG :

c n
T2
JKT = ∑ ∑ X ij -
2

i=1 j=1 nc
JKT = 35 + 40 2 + 44 2 + 312 + 48 2 + 332 + 362 + 412 + 372 + 502 + 322 + 44 2 +
2

43 2 + 34 2 + 352 + 412 + 322 + 372 + 302 + 502 + 45 2 + 362 + 362 + 48 2 + 45 2 +

2 2 2 2 2 2 2 2 2 2 2 2 2
34 + 33 + 32 + 39 + 39 + 44 + 40 + 32 + 49 + 50 + 46 + 45 + 38 +
502 + 352 + 44 2 + 44 2 + 302 + 302 + 352 + 40 2 + 372 + 422 + 46 2 + 302 + 332 +
2 2 2 2 2 2 2 2
44 + 40 + 49 + 30 + 31 + 30 + 30 – (2342 : 60)
= 93930 – 91416,07
= 2513,93

c 2
1
JKK =
n ∑ T 2i - Tnc
i=1

JKK = ((4712 + 467 2 + 475 2 + 467 2 + 4622 ) : 12) - (23422 : 60)

= 91424 - 91416,07
= 7,93

JKG = JKT – JKK

JKG = 2513,93 -7,93
JKG = 2506

3. Menguji Signifikan

a. Mencari nilai F hitung

Sumber Varians Jumlah Kuadrat Derajat Rata-Rata F hitung

(SV) (JK) Bebas Kuadrat
Kolom 7,93 4 1,98 0,043
Galat 2506 55 45,56
Total 2513,93 59 - -

b. Mencari nilai F tabel

F tabel = F(1−a)(dbA , dbD)
F tabel = F(1−0,05)(4,55 )
F tabel = F(0,95)(4,55)
F tabel = 2,54
 c. Kriteria Pengujian
F hitung ≤ F tabel, maka tolak H 0 dan terima H 0 berarti tidak signifikan.

d. Kesimpulan
Setelah dikonsultasikan dengan F tabel kemudian dibandingkan antara F hitung
dengan F tabel. Ternyata F hit ung ≤ F tabel atau 0,043 ≤ 2,45, maka tolak H 0 dan
terima H 0 berarti tidak signifikan. Jadi, tidak terdapat perbedaan yang
signifikan antara hasil prouksi kayu selama 5 tahun terakhir di perkebunan jati
tersebut.

2. Akan dilakukan pembandingan terhadap jumlah kursi yang disediakan di beberapa prodi di
tiga PTN, yaitu UGM, UI, dan UNPAD pada SPMB tahun 2006.

UGM UI UNPAD
50 120 140
30 70 125
12 70 80
30 65 90
12 90 70
30 70 80
20 70 80
Jawab :

Dari data tersebut, maka diketahui :

1. n1 = n2 = n3 = 7
2. k=3
3. N = 21
4. Df1 = 2, dan df2 = 18

Selanjutnya akan dilakukan uji hipotesis untuk mengetahui apakah ada perbedaan variansi
dari data-data pada masing-masing Universitas tersebut.

1. Hipotesis
H 0 : m1 = m2 = m3
H 1 : tidak semua mean sama

2. Tingkat signifikan (α) = 5% (0,05)

3. Daerah kritik, H 0 ditolak jika Fhitung > Nilai F2, 18, 0.05 atau H 0 ditolak jika P-
value yang diperoleh dari output software < (α) = 5% (0,05). Dimana, untuk nilai
F2,12,0.05 dapat dicari dengan menggunakan Microsoft excel dengan cara Click
insert ȧ function ȧ FINV ȧ probability (0,05), deg.freedom1(2), dan
deg.freedom2(18) ȧ OK.
 (nilai F krit = 3,554557)

4. Statistik Uji
Untuk menghitung statistic uji, akan dilakukan dengan menggunakan perangkat
Microsoft Excel, dengan langkah-langkah :

Klik menu data  data analysis

Muncul kotak dialog berikut :

Selanjutnya pilih Anova : single-factor, muncul kotak dialog berikut :

Masukkan data yang akan diuji pada Input Range, aktifkan Label in First Row untuk
memungkinkan kita mengetahui hasil dari masing-masing Universitas dan klik OK.

Outputnya :

Dari output tersebut di atas diperoleh bahwa Nilai Fhitung = 21,43 dan nilai P-value =
1,73E-05.
Sehingga dapat disimpulkan bahwa Ho ditolak karena nilai Fhitung = 21,43 > nilai
Fkritik = 3,554.
Yang berarti bahwa minimal ada dua mean yang tidak sama.
Jadi, rata-rata tersebut tidak sama pada SPMB tahun 2006.