UJI SIDIK RAGAM FAKTORIAL

(Factorial Analisys of Variance)

Uji Sidik Ragam atau ANAVA merupakan statistik distribusi F dengan

derajat bebas (db) pembilang v1 = (k-1) dan db penyebut v2 = (n1 + . . + nk-k).

Tujuan : Menguji perbedaan mean dari tiga atau lebih sampel

Batasan: Data berasal dari populasi yang berdistribusi normal dan mempunyai
varians homogen, oleh karena itu mean dan varians independent.
Data merupakan skala interval.
Anova satu arah (1 faktor): jika perbandingan dibuat antara sejumlah
sampel acak independent. Satu sampel dari setiap populasi.

Metoda: 1. Susun data dalam tabel berikut:

Faktor A
Jumlah Rerata
1 2 ... b
Y111 Y121 ... Y1b1
Y112 Y122 ... Y1b2
1
... ... ... ...
Y11n Y12n ... Y1bn
Jumlah J110 J120 ... J1b0 J100
Rerata Y110 Y120 ... Y1b0 Y100
... ... ... ...
... ... ... ...
Faktor B

... ... ... ...

... ... ... ...
Jumlah ... ... ... ... ...
Rerata ... ... ... ... ...
Ya11 Ya21 Yab1
Ya12 Ya22 Yab2
a
... ... ...
Ya1n Ya2n Yabn
Jumlah Ja10 Ja20 Jab0 Ja00
Rerata Ya10 Ya20 Yab0 Ya00
Jum Total J010 J020 J0b0 J000
Rata Total Y010 Y020 Y0b0 Y000

2. Model yang digunakan

Yijk = μ + Ai + Bj + Abij +εk(ijk)

dengan: Yijk = variabel reson engaruh taraf ke i faktor A dan taraf ke j faktor B
ada observasi ke k; µ = efek rata-rata (konstan); Ai = efek dari taraf ke i faktor A;
Bj = efek dari taraf ke j faktor B; Abij = efek dari interaksi taraf ke i faktor A dan
taraf ke j faktor B; εk(ijk) = efek dari unit ekserimen ke k dalam kombinasi
perlakuan.

D:/biometrika/anova-2 1
 3. Hitung :
a b n
a. Jumlah kuadrat (JK) seluruh pengamatan: Y2 = ∑ ∑ ∑ Yijk2
i =1 j =1 k =1

J2000
b. Jumlah kuadrat total (JKT): R y =
abn
a
c. Jumlah kuadrat taraf faktor A (JKA): By = ∑(J000
2
/ bn) - RY
i =1

b
d. Jumlah kuadrat taraf faktor B (JKB): Ay = ∑(J000
2
/ an) - RY
j =1

a b
e. Jab = ∑ ∑(J000
2
/ 2) - Ry
i =1 j =1

f. Jumlah kuadrat interaksi faktor AB (JKAB): ABy = Jab – Ay - By

g Ey = Y2 - Ry - Ay - By - ABy

4. Buat tabel anava sebagai berikut:

Sumber Variasi db JK RJK F
Rata-rata 1 Ry R = Ry/1
Perlakuan
A a-1 Ay A = Ay/a-1 A/E
B b-1 By B = By/b-1 B/E
AB (a-1)(b-1) ABy AB = Aby/(a-1)(b-1) AB/E
Kekeliruan Ab(n-1) Ey E
Total abn Y2 - -

5. Bandingkan F hitung dengan F tabel

Hipotesis : Ho : 1 = 2 = . . = k; mean dari beberapa populasi identik

Ha : 1  2  . .  k; paling tidak satu mean dari beberapa populasi
tidak identik

Kriteria keputusan :
Ho ditolak bila F hitung > F (v1,v2)

D:/biometrika/anova-2 2
Contoh:
1. Empat merek insektisida (A, B, C, dan D) diberikan pada tanaman padi yang
terserang hama ”Penggerek Batang Padi Putih” (Tryporhyza innotata). Untuk
mengetahui perbedaan efektifitas 4 merek insektisida dalam membasmi
hama dilakukan percobaan pada tanaman padi yang ditumbuhkan di Huma
dan Sawah dengan ulangan masing-masing sebanyak 6. Kematian hama
dalam persen disajikan pada tabel. Diasumsikan bahwa data persen
kematian berdistribusi normal dan populasinya mempunyai varian homogen.

Merek Insektisida
n
A B C D
1 32 55 58 96
2 13 60 78 86
Huma

3 20 51 54 95
4 17 67 67 100
Jenis Laha

5 29 46 80 90
6 23 56 60 100
1 42 43 79 100
2 40 48 66 82
Sawah

3 30 38 83 85
4 48 43 59 81
5 33 54 82 78
6 35 41 76 89

Hipotesis :
a. H01 : i = 0; merek insektisida tidak mempengaruhi kematian hama.
Ha1 : i  0; minimal ada satu merek insektisida yang mempengaruhi
kematian hama
b. H02 : j = 0; jenis lahan tidak mempengaruhi kematian hama.
Ha2 : j  0; jenis lahan mempengaruhi kematian hama.
c. H0 : ()ij = 0; tidak ada pengaruh interaksi antara merek insektisida dan
lahan terhadap kematian hama.
Ha : ()ij  0; minimal ada satu pengaruh interaksi antara merek insektisida
dan lahan terhadap kematian hama.

D:/biometrika/anova-2 3
Perhitungan
Merek Insektisida
n
A B C D
1 32 55 58 96
2 13 60 78 86

Huma
3 20 51 54 95
4 17 67 67 100
5 29 46 80 90
Jenis Laha

6 23 56 60 100
jumlah 134 335 397 567 1433
rerata 22,33 55,83 66,17 94,50 59,71
1 42 43 79 100
2 40 48 66 82
Sawah

3 30 38 83 85
4 48 43 59 81
5 33 54 82 78
6 35 41 76 89
jumlah 228 267 445 515 1455
rerata 38,00 44,50 74,17 85,83 60,63
jumlah total 362 602 842 1082 2888
rerata 30,17 50,17 70,17 90,17 60,17

a. Y2 = 322 + 132 + 202 + ................ +812 + 782 + 892 = 201.716

2888 2
b. R y = = 173.761,33
2x 4 x 6

1433 2 + 1455 2
c. B y = - 173.761,33 = 10,08
4x6

362 2 + 602 2 + 842 2 + 1082 2

d. A y = - 173.761,33 = 24.000
2x 6

134 2 + 335 2 + 397 2 + 567 2 + 228 2 + 267 2 + 445 2 + 515 2

e. Jab = - 173.761,33
6
= 25.539
f. ABy = 25.539 - 10,08- 24.000 = 1.528,91
g. Ey = 201.716 - 173.761,33 - 10,08 - 24.000 - 1.528,91 = 2.415,67

D:/biometrika/anova-2 4
f. Tabel anava

Sumber
db JK RJK Fhit F(0,05)
Variasi
Rata-rata 1 173.761,33 173.761,33
Perlakuan
Insektisida 3 24.000,00 8.000,00 132,47 2.84
Lahan 1 10,08 10,08 0,17 4.08
Insektisida*Lahan 3 1.528,92 509,64 8,44 2.84
Kekeliruan 40 2.415,67 60,39
Total 48 201,716,00 -

Keputusan:
Ho ditolak, F hitung > F 0,05 (3, 40)

Kesimpulan:
Terdapat pengaruh merek insektisida dan interaksi antara merek
insektisida dan lahan terhadap kematian hama.

D:/biometrika/anova-2 5
TABEL NILAI PERSENTIL UNTUK DISTRIBUSI F
(Bilangan dalam badan daftar menyatakan Fp, Baris atas untuk p = 0.05 dan baris bawah untuk p = 0.01)

v2 = dk v1 = dk pembilang
penyebut 1 2 3 4 5 6 7 .. 200 500 

1 161 200 216 225 230 234 237 .. 254 254 254
4.052 4.999 5.403 5.625 5.764 5.859 5.928 .. 6.352 6.361 6.366

2 18.51 19.00 19.16 19.25 19.30 19.33 19.36 .. 19.49 19.50 19.50
98.49 99.01 99.17 99.25 99.30 99.33 99.34 .. 99.49 99.50 99.50

3 10.13 9.55 9.28 9.12 9.01 8.94 8.88 .. 8.54 8.54 8.53
34.12 30.81 29.46 28.71 28.24 27.91 27.67 .. 26.18 26.14 26.12

40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 .. 1.55 1.53 1.51
7.31 5.18 4.31 3.83 3.51 3.29 3.12 .. 1.88 1.84 1.81

400 3.86 3.02 2.62 2.39 2.23 2.12 2.03 .. 1.22 1.16 1.13
6.70 4.66 3.83 3.36 3.06 2.85 2.69 .. 1.32 1.24 1.19

1000 3.85 3.00 2.61 2.35 2.22 2.10 2.02 .. 1.19 1.13 1.08
6.68 4.62 3.80 3.34 3.04 2.82 2.66 .. 1.28 1.19 1.11

 3.84 2.99 2.60 2.37 2.21 2.09 2.01 .. 1.17 1.11 1.00
6.64 4.60 3.78 3.32 3.02 2.80 2.64 .. 1.25 1.15 1.00

D:/biometrika/anova-2 6
 UJI FRIEDMAN
(Friedman Two-way Analysis of Variance)

Diperkenalkan pertama kali oleh M. Friedman tahun 1937. Digunakan

sebagai alternatif dari anava dua arah (two way analysis pf variance). Uji
Friedman disebut juga Anava Jenjang Dua Arah Friedman (Friedman Two-way
Analysis of Variance) dan dikenal dengan uji x2r.

Tujuan : Menguji perbedaan nilai tiga atau lebih kelompok (k) sampel
berpasangan.

Batasan: Skala data minimal ordinal. Tidak diperlukan anggapan bahwa

populasi berdistibusi normal dan mempunyai varian yang homogen.
Tidak ada interaksi antar blok (b) dengan perlakuan (k).

Metoda: 1. Susun data dalam tabel dua arah yang terdiri dari "b" baris (blok)
dan "k" Kolom (perlakuan).
Perlakuan
Blok 1 2 3 …… j …… k
1 x11 x12 x13 …… x1j ……. x1k
2 x21 x22 x23 …… x2j ……. x2k
3 x31 x32 x33 …… x3j ……. x3k
. . . . . . . .
a xa1 xa2 xa3 …… xaj ……. xak
. . . . . . . .
b xb1 xb2 xb3 …… xbj ……. xbk

2. Buat jenjang (R) dalam baris (blok).

3. Jumlahkan jenjang untuk di masing-masing kolom (R1, R2, …… Rk).
4. Bila jumlah “b” dan “k” tidak terlalu kecil, hitung xr2 dengan rumus:

12 k 2
x 2r   Rj  3b(k  1)
bk(k  1) j  1

4. Bila ada angka sama (R), nilai xr2 harus dikoreksi dengan rumus:

x 2r
b
Tj
1
j1 bk(k 2  1)

dengan Tj = Tj3 - Tj; Tj = jumlah nilai pengamatan yang sama

untuk peringkat baris (blok) ke-j
5. Bila "k" & "b" kecil (k = 3 dan b = 2 - 9; atau k = 4 dan b = 2 - 4)
gunakan tabel x2 khusus (Tabel N dalam Siegel, S. 1956.
Nonparametric statistics for the behaviour science. McGraw-Hill
Book Co. Inc., New York). Untuk "b" & "k" yang tidak ada dalam
tabel khusus gunakan tabel x2.

D:/biometrika/anova-2 7
Hipotesis : Ho : populasi dalam suatu kelompok identik
Ha : minimal ada satu kelompok yang tidak sama

Kriteria keputusan* : Ho ditolak bila x2 hit > x2  0.05;k-1

Ho diterima bila x2 hit < x2  0.05;k-1

*Catatan: untuk "k" & "b" kecil, tolak Ho bila x2 hit memiliki p > 0,05

D:/biometrika/anova-2 8
Contoh:
1. Empat merek insektisida (A, B, C, dan D) diberikan pada tanaman padi yang
terserang hama ”Penggerek Batang Padi Putih” (Tryporhyza innotata). Untuk
mengetahui perbedaan efektifitas 4 merek insektisida dalam membasmi
hama dilakukan percobaan pada tanaman padi yang ditumbuhkan di Huma
dan Sawah dengan ulangan masing-masing sebanyak 6. Kematian hama
dalam persen disajikan pada tabel. Diasumsikan bahwa data persen
kematian berdistribusi normal dan populasinya mempunyai varian homogen.
Merek Insektisida
n
A B C D
1 32 55 58 96
2 13 60 78 86
Huma

3 20 51 54 95
4 17 67 67 100
Jenis Laha

5 29 46 80 90
6 23 56 60 100
1 42 43 79 100
2 40 48 66 82
Sawah

3 30 38 83 85
4 48 43 59 81
5 33 54 82 78
6 35 41 76 89

Hipotesis : Ho: keempat merek insektisida memberikan hasil yang sama

Ha: minimal ada satu merek insektisida memberikan hasil yang
tidak sama

Statistik Uji :
A Ra B Rb C Rc D Rd
1 32 55 58 96
2 13 60 78 86
Huma

3 20 51 54 95
4 17 67 67 100
5 29 46 80 90
6 23 56 60 100
jml 23,33 1 55,83 2 66,17 3 94,5 4
1 42 43 79 100
2 40 48 66 82
Sawah

3 30 38 83 85
4 48 43 59 81
5 33 54 82 78
6 35 41 76 89
jml 38,00 1 44,50 2 74,17 3 85,83 4
jml 2 4 6 8

k = 4; b = 2

12
x 2r = (2 2 + 4 2 + 6 2 + 8 2 ) - 3(2)(4 + 1)
2(4)(4 + 1)

x2 hit = 6

D:/biometrika/anova-2 9
Angka Sama:
Pada contoh tidak terdapat angka di tiap baris (blok)
Keputusan :
p (k = 4; b = 2) pada x2hit = 0,042
p < 0,05; tolak Ho
Kesimpulan:
Terdapat perbedaan nyata antara merek insektisida dalam mempengaruhi
kematian hama.

D:/biometrika/anova-2 10