ANOVA I

Pertemuan 12
TIF226102 Statistika Lanjut

Pokok Bahasan
• One Way Analysis of Varians (ANOVA)
• Tests for the Equality of Several Variances

SBW
TIF226102 Statistika Lanjut

Contoh Kasus
Untuk mengetahui keampuhan suatu serum baru dalam
menanggulangi penyebaran leukimia, maka dipilih 9 tikus yang
sudah sakit pada stadium lanjut. Lima tikus mendapatkan
treatment dan sisanya tidak mendapatkan treatment. Lama tikus
bertahan dalam tahun, ditunjukkan pada tabel di bawah ini. Pada
tingkat signifikansi 0,05, apakah serum bisa dikatakan efektif?
Anggap bahwa dua populasi tersebut terdistribusi dengan varians
yang sama.

SBW
TIF226102 Statistika Lanjut

Komentar
• Terdapat satu buah faktor (one factor) à treatment
• Faktor adalah pada dua tingkat (level).
• Disebut dengan one factor (treatment) dengan dua tingkat
(two levels).

SBW
TIF226102 Statistika Lanjut

Pengantar
• Pembahasan sebelumya adalah analisys yang melibatkan dua
sample. (hyphothesis dan estimasi)
• Beberapa masalah mengharuskan kita menganalisis lebih
dari dua sampel.
• Salah satu prosedur yang digunakan untuk analisis mean
populasi adalah ANOVA. (Analisys-of-Variance).
• ANOVA digunakan untuk membagi porsi total sum of square
menjadi porsi yang disebabkan oleh regresi dan porsi yang
disebabkan oleh error.

SBW
TIF226102 Statistika Lanjut

Contoh
𝐻! : 𝜇" = 𝜇# = ⋯ = 𝜇$
𝐻" : paling tidak dua 𝑚𝑒𝑎𝑛 tidak sama.

Hasil uji serapan air (moisture) dalam beton:

SBW
TIF226102 Statistika Lanjut

Sumber Varians dalam Data

Asumsi variasi disebabkan oleh:
• Variasi penyerapan antara data didalam suatu aggregate.
• Variasi diantara jenis aggregate. Disebabkan karena
perbedaan komposisi kimia diantara aggregate.

Bagian dari tujuan ANOVA adalah untuk menentukan perbedaan

diantara beberapa mean sampel dikarenakan oleh hanya variasi
random atau lebih dari itu. Ingat: partition the total sum of
squares

SBW
TIF226102 Statistika Lanjut

Strategi Perancangan Eksperimen

• Experimental unit adalah unit (tikus, pasien, contoh beton,
waktu) yang memberikan keberagaman dan pada akhirnya akan
menyebabkan kesalahan eksperimen dalam suatu investigasi.
• Block adalah pembagian experimental unit menjadi pasangan
yang homogen. Contoh: pada pembahasan teori estimasi dan
hipothesis, ketika membandingkan means, diselesaikan dengan
membuat pasangan.

SBW
TIF226102 Statistika Lanjut

Model untuk One-way ANOVA

• Diasumsikan bahwa sejumlah k populasi adalah independent

dan terdistribusi normal dengan mean: 𝜇" , 𝜇# , … , 𝜇% dan
varians bersama 𝜎 # .
• Uji hipotesis adalah:

𝐻! : 𝜇" = 𝜇# = ⋯ = 𝜇%
𝐻" : paling tidak, dua 𝑚𝑒𝑎𝑛 tidak sama

• Notasi: 𝑦&' adalah observasi 𝑘𝑒 − 𝑗 dari treatment 𝑘𝑒 − 𝑖.

SBW
TIF226102 Statistika Lanjut

Model untuk One-way ANOVA

• Setiap observasi dapat dituliskan : 𝑌&' = 𝜇& + 𝜖&'
jika 𝜇& = 𝜇 + 𝛼& dengan ∑%&(" 𝛼& = 0 maka: 𝑌&' = 𝜇 + 𝛼& + 𝜖&'
%
1
𝜇 : grand mean: 𝜇 = G 𝜇& dan 𝛼& : efek perlakuan ke-i
𝑘
&("

SBW
TIF226102 Statistika Lanjut

Model untuk One-way ANOVA

𝑌&' = 𝜇 + 𝛼& + 𝜖&' à mengakibatkan perubahan hyphothesis.
• Null hyphothesis yaitu mean populasi sejumlah 𝑘 adalah sama
terhadap alternative hyphothesis, yaitu paling tidak ada dua
mean yang tidak sama:

𝐻! : 𝜇" = 𝜇# = ⋯ = 𝜇%
𝐻" : paling tidak, dua 𝑚𝑒𝑎𝑛 tidak sama

diubah menjadi:

𝐻! : 𝛼" = 𝛼# = ⋯ = 𝛼% = 0
𝐻" : paling tidak satu α) tidak sama dengan nol
SBW
TIF226102 Statistika Lanjut

Partisi Variability menjadi Beberapa Komponen

% *
#
• Variability total: G G 𝑦&' − 𝑦.
K .
&(" '("

% * % % *
# # #
G G 𝑦&' − 𝑦K.. = 𝑛 G 𝑦K&. − 𝑦K.. + G G 𝑦&' − 𝑦K&.
&(" '(" &(" &(" '("

SST = SSA + SSE

Identitas diatas menunjukkan total sum of square antar

treatment dan dalam treatment

SBW
TIF226102 Statistika Lanjut

SSA
• Banyak hal bisa kita mengerti jika tahu Expected value SSA
• Expected value SSA :
%

𝐸 𝑆𝑆𝐴 = 𝑘 − 1 𝜎 # + 𝑛 G 𝛼&#
&("

• Jika 𝐻! adalah benar (𝛼 = 0) estimasi 𝜎 # dengan

degree of freedom 𝑘 − 1 dapat dituliskan:
#
𝑆𝑆𝐴
𝑠" =
𝑘−1
𝑆𝑆𝐴
dengan demikian: 𝐸 = 𝜎#
𝑘−1 Treatment
Mean Square
𝑠"# merupakan estimator 𝜎 # yang unbiased.

SBW
TIF226102 Statistika Lanjut

SSA
• Namun demikian, jika 𝐻" adalah benar, maka:
%
𝑆𝑆𝐴 𝑛
𝐸 #
=𝜎 + G 𝛼&#
𝑘−1 𝑘−1
&("

𝑠" mengestimasi 𝜎 # ditambah dengan bagian yang

menunjukkan variasi dikarenakan oleh efek sistematis
(systematic effects).

SBW
TIF226102 Statistika Lanjut

SSE
• Untuk mengestimasi 𝜎 # yang kedua dengan degree of freedom
𝑘 𝑛 − 1 yaitu dapat dituliskan:

#
𝑆𝑆𝐸
𝑠 =
𝑘(𝑛 − 1)
Error Mean
Square

• Dapat dimengerti pentingnya expected value dari mean square.

• Jika 𝐻" adalah benar maka kondisinya à 𝐸 𝑠"# > 𝐸(𝑠 # ), F-ratio
digunakan dalam konteks one-sided upper-tailed test.
• Pada bagian berikutnya akan disampaikan penggunaan F-ratio.

SBW
TIF226102 Statistika Lanjut

Penggunaan 𝐹-test dalam ANOVA

• Estimasi 𝑠 # adalah unbiased tanpa memperhatikan benar atau
salahnya nipotesis null.
• Selain total data variability, total degree of freedom juga dipartisi
sebagai berikut:

𝑛𝑘 − 1 = 𝑘 − 1 + 𝑘(𝑛 − 1)

SBW
TIF226102 Statistika Lanjut

𝐹-rasio untuk uji kesamaan mean.

• Jika 𝐻! benar, maka rasio 𝑓 = 𝑠"# /𝑠 # adalah nilai random
variable 𝐹 yang mempunyai distribusi 𝐹 dengan degree of
freedom 𝑘 − 1 dan k(𝑛 − 1).
• 𝐻! ditolak pada tingkat 𝛼 jika:

𝑓 > 𝑓! [𝑘 − 1, 𝑘(𝑛 − 1)]

• Dengan pendekatan P-value : Tabel A.6

𝑃 = 𝑃{𝑓 𝑘 − 1, 𝑘 𝑛 − 1 > 𝑓}

SBW
TIF226102 Statistika Lanjut

Ringkasan One-Way ANOVA

SBW
TIF226102 Statistika Lanjut

Contoh
Uji hipotesis 𝜇! = 𝜇" = ⋯ = 𝜇# pada tingkat signifikan 0.05
pada tabel berikut.

SBW
TIF226102 Statistika Lanjut

Solusi

𝐻! : 𝜇" = 𝜇# = ⋯ = 𝜇$
𝐻" : paling tidak, dua 𝑚𝑒𝑎𝑛 tidak sama
𝛼 = 0.05

Dengan demikian nilai 𝑓 > 2.76 untuk degree of freedom

𝑣" = 4 dan 𝑣# = 25.

𝑆𝑆𝑇 = 209.377, 𝑆𝑆𝐴 = 85.356

𝑆𝑆𝐸 = 209.377 − 85.356 = 124.021

SBW
TIF226102 Statistika Lanjut

Solusi

Tolak 𝐻$ . Simpulkan bahwa aggregate tidak mempunyai mean

penyerapan yang sama.

SBW
TIF226102 Statistika Lanjut

Solusi
• Dari plot ini dapat
disimpulkan bah-wa
penyerapan TIDAK
SAMA untuk semua
agregat.
• Terlihat agregat
nomer 4 paling baik
dibandingkan
dengan yang lain.

SBW
TIF226102 Statistika Lanjut

Ukuran Sampel Berbeda

• Dalam observasi, ada kemungkinan jumlah sampel berubah
karena misalnya, hewan percobaan yang mati, material
experimen rusak, dll à Formula sum f square perlu dimodifikasi.
• Diasumsikan bahwa terdapat sampel random k dengan ukuran
masing-masing adalah 𝑛" , 𝑛# , … , 𝑛% .
• Perlu modifikasi persamaan variability.

SBW
TIF226102 Statistika Lanjut

Ukuran Sampel Berbeda

• Formula sebelumnya adalah:
% * % % *
# # #
G G 𝑦&' − 𝑦K.. = 𝑛 G 𝑦K&. − 𝑦K.. + G G 𝑦&' − 𝑦K&.
&(" '(" &(" &(" '("

• Dimodifikasi menjadi:
$ & $
(
𝑆𝑆𝑇 = $ $ 𝑦!% − 𝑦'.. , 𝑆𝑆𝐴 = $ 𝑛! 𝑦'!. − 𝑦'.. ( , 𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝐴
!"# %"# !"#

Degree of freedom dipartisi sebagai berikut:

𝑁 − 1 à untuk SST
𝑘 − 1 à untuk SSA
𝑁 − 1 − 𝑘 − 1 = 𝑁 − 𝐾 dengan 𝑁 = ∑%&(" 𝑛& .
SBW
TIF226102 Statistika Lanjut

Contoh
Part of a study conducted at Virginia Tech was designed to measure
serum alkaline phosphatase activity levels (in Bessey-Lowry units) in
children with seizure disorders who were receiving anticonvulsant
therapy under the care of a private physician. Forty-five subjects were
found for the study and categorized into four drug groups:
G-1: Control (not receiving anticonvulsants and having no history of
seizure disorders)
G-2: Phenobarbital
G-3: Carbamazepine
G-4: Other anticonvulsants
From blood samples collected from each subject, the serum alkaline
phosphatase activity level was determined and recorded as shown in
Table 13.4. Test the hypothesis at the 0.05 level of significance that the
average serum alkaline phosphatase activity level is the same for the
four drug groups.

SBW
TIF226102 Statistika Lanjut

Contoh
Serum alkaline phosphatase activity level.

SBW
TIF226102 Statistika Lanjut

Solusi
𝐻! : 𝜇" = 𝜇# = 𝜇, = 𝜇-
𝐻" : paling tidak, dua 𝑚𝑒𝑎𝑛 tidak sama
𝛼 = 0.05

Dengan demikian nilai 𝑓 > 2.836 untuk degree of freedom

𝑣" = 3 dan 𝑣# = 41 (dengan interpolasi).

𝑌1 = 1460.25
𝑌2 = 440.36
𝑌3 = 842.45
𝑌4 = 707.41
𝑌5 = 3450.47

SBW
TIF226102 Statistika Lanjut

Solusi

Tolak 𝐻! . Simpulkan bahwa rerata tingkat aktifitas serum alkaline

phosphatase untuk keempat group tidak sama.
SBW
TIF226102 Statistika Lanjut

Uji Kesamaan Beberapa Varians (Bartlett’s test)

𝐻! : 𝜎"# = 𝜎## = ⋯ = 𝜎%#
𝐻" : Seluruh varians tidak sama

1. Hitung varians sampel sejumlah k yaitu 𝜎"# , 𝜎## , ⋯, 𝜎%# dari

ukuran sampel 𝑛" , 𝑛# , ⋯ , 𝑛% dengan ∑%&(" 𝑛& = 𝑁.
2. Gabungkan varians sampel tersebut untuk mendapatkan
pooled estimate $
1
𝑠.( = $ 𝑛! − 1 𝑠!(
𝑁−𝑘
!"#

"/ 0.%
Maka Bartlett’s # *# ."
𝑠"# *! ." 𝑠## *" ." ⋯ 𝑠%
distribution adalah: 𝑏=
𝑠1#

SBW
TIF226102 Statistika Lanjut

Uji Kesamaan Beberapa Varians (Bartlett’s test)

• Untuk kasus khusus 𝑛! = 𝑛" = ⋯ = 𝑛# = 𝑛, kita menolak

𝐻$ pada tingkat 𝛼 jika:

𝑏 < 𝑏# (𝛼; 𝑛) à 𝑏# (𝛼; 𝑛) adalah nilai kritis Tabel A.10.

• Jika sampel tidak sama, kita menolak 𝐻$ pada tingkat 𝛼 jika:

𝑏 < 𝑏# (𝛼; 𝑛! , 𝑛" , … , 𝑛# )

dengan:
𝑛# 𝑏$ 𝛼; 𝑛# + 𝑛( 𝑏$ 𝛼; 𝑛( + ⋯ + 𝑛$ 𝑏$ (𝛼; 𝑛$ )
𝑏$ 𝛼; 𝑛# , 𝑛( , ⋯ , 𝑛$ ≈
𝑁

SBW
TIF226102 Statistika Lanjut

Contoh
Gunakan Bartlett’s test untuk uji hipotesis dengan tingkat
signifikansi 0,01 bahwa varians untuk empat group pada contoh
sebelumnya adalah sama.

SBW
TIF226102 Statistika Lanjut

Solusi
𝐻! : 𝜎"# = 𝜎## = ⋯ = 𝜎%#
𝐻" : Varian − varian tidak sama
dengan 𝛼 = 0,01

Critical Region: Mengikuti contoh 13.2, didapatkan 𝑛" = 20, 𝑛# =

9, 𝑛, = 9, 𝑛- = 7, 𝑁 = 45, 𝑑𝑎𝑛 𝑘 = 4. Oleh karenanya, kita tolak
jika:

𝑏 < 𝑏- (0,01; 20,9,9,7)

20 0,8586 + 9 0,6892 + 9 0,6892 + (7)(0,6045)
≈
45
= 0,7513

SBW
TIF226102 Statistika Lanjut

Solusi
• Perhitungan pertama:
𝑠"# = 662,862; 𝑠## = 2219,781; 𝑠,# = 2168,434; 𝑠-# = 946,032

• Kemudian hitung:
19 662,862 + 8 2219,781 + 8 2168,434 + 6 946,032
𝑠.( =
41
= 1301,861

• Sekarang hitung:
662,862 #/ 2219,781 0 2168,434 0 946,032 1 #/3#
𝑏= = 0,8557
1301,861
Jangan tolak 𝐻! . Simpulkan bahwa varians populasi keempat
group obat tidak berbeda secara signifikan.
SBW
TIF226102 Statistika Lanjut

Cochran’s Test
• Sangat berguna untuk mendeteksi jika satu varians nilainya cukup
besar dibandingkan dengan yang lainnya. Statistik yang digunakan
adalah:
largest 𝑆&#
𝐺=
∑%&(" 𝑆&#

• Hypothesis yang menyatakan kesamaan ditolak jika 𝑔 > 𝑔2 de-

ngan nilai 𝑔2 diperoleh dari Tabel A.11.

SBW
TIF226102 Statistika Lanjut

Contoh
• Perhatikan contoh penyerapan pada aggregate di atas.
• Dari data tersebut kita mendapatkan nilai sebagai berikut:

𝑠"# = 12.134, 𝑠## = 2303, 𝑠,# = 3594, 𝑠-# = 3319, 𝑠$# = 3455
dengan demikian:
12.134
𝑔= = 0,4892
24.805

• Berarti tidak melebihi nilai dari tabel yaitu 𝑔!,!$ = 0,5065.

Dengan demikian, asumsi bahwa varian-varianya sama adalah
masuk akal.

SBW
TIF226102 Statistika Lanjut

PR
• 13.1
• 13.5
• 13.9

SBW