CONTOH 1:
Akan diuji apakah rata-rata jumlah produk yang dihasilkan perminggu dari 3 buah stasiun kerja manual
yang paralel adalah homogen.
Untuk itu diambil sampel random dari pengamatan selama 6 minggu untuk masing-masing stasiun
kerja. Dalam hal ini,
− jumlah produk yang dihasilkan perminggu merupakan variabel tak bebas dengan data metrik
berskala ratio
− stasiun kerja merupakan variabel bebas dengan data non metrik dengan skala nominal
@Femiana Gapsari
■ Analisis Variansi 2
Selanjutnya untuk menguji apakah masing-masing klas/perlakuan tersebut homogen, digunakan uji
hipotesis sebagai berikut :
• H0 : μ1 = μ2 = …= μk → rata-rata perlakuan homogen (tidak ada pengaruh perlakuan atau
tidak ada pengaruh variabel bebas terhadap variabel tak
bebasnya)
H1 : tidak semua μi sama → rata-rata perlakuan tidak homogen (ada pengaruh perlakuan)
• Daerah kritis :
Fhitung > Fα ; (k-1) ; (N-k)
Untuk memudahkan analisis biasanya hasil-hasil di atas disusun dalam sebuah tabel Analisis Variansi
yang disingkat dengan ANOVA (Analysis of Variance) sebagai berikut :
TABEL ANOVA :
Derajad Jumlah Rata-rata kuadrat /
SUMBER VARIASI Fhitung
bebas (db) kuadrat (JK) Kuadrat tengah (KT)
Kelas/Perlakuan
- di antara perlakuan k–1 JKP KTP = JKP / (k -1)
KTP
- di dalam perlakuan F=
KTE
(kesalahan eksperimen) N–k JKE KTE = JKE / (N - k)
TOTAL N–1 JKT
@Femiana Gapsari
■ Analisis Variansi 3
Penyelesaian Contoh 1:
N = 18 ; k=3
2
Y
= 78540,056
N
Minggu ke Stasiun kerja I Stasiun kerja II Stasiun kerja III Total
1 76 72 71
2 63 63 54
3 66 65 62
4 83 78 76
5 74 69 65
6 53 49 50
Jumlah (Xi) 415 396 378 1189.00 = Y
k ni
∑∑ y ij 2 = 80201
i= 1 j= 1
ni
k
Y2
JKT = ∑∑ y ij 2 - = 80201 - 78540,056 = 1660,944
i=1 j=1 N
k ni k
Yi 2 4152 + 3962 + 3782
JKE = ∑∑ y ij 2 - ∑ = 80201 – = 1546,833
i=1 j=1 i=1 n i 6
JKP = JKT – JKE = 1660,944 – 1546,833 = 114,1107
TABEL ANOVA :
SUMBER VARIASI Derajad Jumlah Rata-rata kuadrat/ Fhitung
bebas (db) kuadrat (JK) Kuadrat tengah (KT)
Kelas/Perlakuan
- di antara perlakuan 3–1=2 114,1107 KTP = 57,055
- di dalam perlakuan/ F = 0,55
kesalahan eksperimen 18 – 3 = 15 1546,8330 KTE = 103,122
TOTAL 18 – 1 = 17 1660,9440
@Femiana Gapsari
■ Analisis Variansi 4
• Kesimpulan : karena Fhitung = 0,55 < F0,05 ; (2 ; 15) = 3,68 , maka H0 diterima.
Artinya rata-rata jumlah produk yang dihasilkan ketiga stasiun kerja tiap minggunya homogen
(sama) atau tidak ada pengaruh jenis stasiun kerja terhadap jumlah produksi perminggu
420
Rata-rata Jumlah Produk
400
380
360
340
320
300
280
260
240
220 Gambar 1. Grafik Rata-rata Jumlah Produk
200
CONTOH 2 :
Stasiun kerja I Stasiun kerja II Stasiun kerja III
Untuk menguji apakah operator yang berbeda akan mempengaruhi waktu proses (dalam menit) untuk
membuat suatu komponen produk, dilakukan pengamatan terhadap 4 orang operator (A, B, C dan D)
yang diamati dalam waktu yang bersamaan. Hasil pengamatannya disajikan dalam tabel berikut :
Waktu proses (dalam menit)
Operator A Operator C Operator D Operator E
62 63 68 56
60 67 66 62
63 71 71 60
59 64 67 61
65 68 63
69 68 64
63
59
Penyelesaian :
Operator A Operator B Operator C Operator D Total
62 63 68 56
60 67 66 62
63 71 71 60
59 64 67 61
65 68 63
69 68 64
63
59
ni 4 6 6 8 N = 24
Yi 244 399 408 488 Y = 1539
Yi 61 66.5 68 61 Y = 256.5
@Femiana Gapsari
■ Analisis Variansi 5
k ni
Y2
∑∑ y ij2 = 99049 ;
N
= 98688,38
i = 1 j =1
k ni
Y2
JKT = ∑∑ y ij2 - N
= 99049 - 98688,38 = 360,625
i =1 j =1
k ni k
Yi 2 2442 3992 4082 4882
JKE = ∑∑ y ij2 - ∑ = 99049 – + + + = 119,5
n 4 6 6 8
i =1 j =1 i =1 i
JKP = JKT – JKE = 360,625 – 119,5 = 241,125
TABEL ANOVA :
SUMBER VARIASI db JK KT Fhitung
Perlakuan (Operator) :
- Di antara perlakuan 3 241.125 80.375 13.452
- Di dalam perlakuan(error ) 20 119.5 5.975
TOTAL 23 360.625
Uji Hipotesis :
• H0 : μ A = μ B = μ C = μ D → rata-rata waktu proses keempat operator sama atau tidak
ada pengaruh operator terhadap waktu proses
H1 : tidak semua sama → rata-rata waktu proses keempat operator tidak semua sama
atau ada pengaruh operator terhadap waktu proses
• Tingkat signifikansi uji : α = 5%
• Daerah Kritis : jika Fhitung > F0,05 ; (3 ; 20) = 3,0984
• Kesimpulan :
Karena Fhitung = 13,452 > F0,05 ; (3 ; 20) = 3,0984, maka H0 ditolak.
Artinya rata-rata waktu proses keempat operator tidak semua sama atau ada pengaruh operator
terhadap waktu proses
JKP 114,1107
ρ= = = 0,0687 = 6,87%
JKT 1660 ,944
@Femiana Gapsari
■ Analisis Variansi 6
Retang r2 r3 ……… rk
RST RST2 = s Y x r2 RST3 = s Y x r3 ……… RSTk = s Y x rk
2 3 k
6. Bandingkan :
[ Y( k ) - Y(1) ] dengan RSTk
[ Y( k ) - Y( 2 ) ] dengan RSTk-1
: :
[ Y( k ) - Y( k -1) ] dengan RST2
[ Y( 3 ) - Y( 2 ) ] dengan RST2
@Femiana Gapsari
■ Analisis Variansi 7
CONTOH 4 :
Misalkan akan diuji apakah kapasitas produksi mesin A, B dan C perharinya sama. Untuk itu ketiga
mesin dioperasikan selama 6 hari, hasilnya dicatat dan disajikan dalam tabel berikut :
Hari ke Mesin A Mesin B Mesin C Total
1 45 34 41
2 39 35 40
3 38 35 39
4 43 38 38
5 46 39 42
6 43 39 41
Jumlah (Xi) 254 220 241 715.00 Y
Rata-rata 42.33 36.67 40.17 39.72 Y
k ni 2
Y
∑∑ y ij =2 28587 N
= 28401.39
i= 1 j= 1
N = 18
ni
k
Y2
JKT = ∑∑ y ij 2 - = 28587 - 28401,39 = 185,61
i=1 j=1 N
k ni k
Yi 2 2542 + 2202 + 2412
JKE = ∑∑ y ij 2 - ∑ = 28587 – = 87,5
i=1 j=1 i=1 n i 6
JKP = JKT – JKE = 185,61 – 87,5 = 98,11
TABEL ANOVA :
SUMBER VARIASI db JK KT Fhitung
PERLAKUAN (Stasiun kerja) :
- Di antara perlakuan 2 98.11 49.055
- Di dalam perlakuan (error ) 15 87.50 5.833 8.409
TOTAL 17 185.61
Uji Hipotesis :
• H0 : μ 1 = μ 2 = μ 3 → rata-rata jumlah produk yang dihasilkan perhari sama
H1 : tidak semua sama → rata-rata jumlah produk yang dihasilkan perhari tidak sama
• Tingkat signifikansi uji : α = 5%
• Daerah Kritis : Jika Fhitung > F0,05 ; (2 ; 15) = 3,68 → H0 ditolak
• Kesimpulan :
Karena Fhitung = 8,409 > F0,05 ; (2 ; 15) = 3,68 , maka H0 ditolak.
Artinya rata-rata jumlah produk yang dihasilkan ketiga mesin tiap harinya tidak sama.
2. KTE = 5,833 ; db = 15 ; n = 6
KTE 5,833
3. Hitung rata-rata standard error rata-rata : s Y = = = 0,986
i ni 6
4. Misalkan : α = 5% dengan ν = 15 ; dari Tabel Rentang Student diperoleh :
p 2 3
Rentang 3,01 3,67
5. Hitung RST :
@Femiana Gapsari
■ Analisis Variansi 8
6. Bandingkan :
[42,33 – 36,67] = 5,66 > 3,62 → Rata-rata A dengan B berbeda nyata
[42,33 – 40,17] = 2,167 < 2,97 → Rata-rata A dengan C tidak berbeda nyata
[40,17 – 36,67] = 3,5 > 2,97 → Rata-rata C dengan B berbeda nyata
A B C
UJI SCHEFFÉ
Langkah-langkah Uji Scheffé :
k
1. Susun kontras Cp (tidak perlu orthogonal), kemudian hitung nilai Cp = c ipJi
i =1
2. Tentukan tingkat signifikansi uji α , kemudian tentukan nilai F α; ν1 ; ν2 dari tabel F,
dengan : ν1 = k – 1 ; derajad bebas pembilang
k
ν2 = ni –k ; derajad bebas penyebut
i=1
3. Hitung A = (k − 1) Fα ; υ1 ; υ 2
4. Hitung standard error tiap kontras yang akan diuji dengan rumus :
S(Cp) = KTE x nic ip2 ; cip = koefisien Ji dalam kontras Cp
5. Jika nilai kontras |Cp | > A x S(Cp) maka H0 yang menyatakan bahwa Cp = 0 ditolak.
CONTOH 5 :
Dari soal di contoh 4 di atas, jika akan dilakukan uji Scheffé, sebagai berikut :
Misalkan dibentuk kontras :
C1 = J A – J B → akan dibandingkan rata-rata perlakuan A dengan B
C2 = 2JA – JB – JC → akan dibandingkan rata-rata perlakuan A dengan B dan C
H0 : JA – JB = 0 atau JA = JB
JA – 2JB + JC = 0 atau JA + JC = 2 JB
JB – JC = 0
JA – JC = 0
H1 : tidak
@Femiana Gapsari
■ Analisis Variansi 9
3. A= (k − 1) Fα ; υ1 ; υ 2 = (3 − 1) x 3,68 = 2,71
@Femiana Gapsari
■ Analisis Variansi 10
Untuk analisis selanjutnya, hasil observasi dalam model ini dapat disajikan sebagai berikut :
Perlakuan/klas (Variabel Bebas x)
j Jumlah Rata-rata
i 1 2 3 …….. k Blok Blok
Y
Rata2 Klas Y10 Y20 Y30 …….. Yk 0 Y =
N
N = n k = banyaknya total observasi
Selanjutnya untuk menguji apakah masing-masing perlakuan tersebut homogen, digunakan uji
hipotesis sebagai berikut :
• H0 : μ1 = μ2 = …= μk → rata-rata perlakuan homogen (tidak ada pengaruh perlakuan)
H1 : tidak semua sama → rata-rata perlakuan tidak homogen (ada pengaruh perlakuan)
@Femiana Gapsari
■ Analisis Variansi 11
TABEL ANOVA :
Derajad Jumlah kuadrat Kuadrat tengah
SUMBER VARIASI Fhitung
bebas (db) (JK) (KT)
- Perlakuan /Klas k-1 JKP KTP = JKP / (k -1)
KTP
- Blok/Grup n–1 JKB F=
KTE
- Kesalahan (error) (n -1)(k -1) JKE KTE = JKE / (n -1)(k-1)
TOTAL N–1 = nk– 1 JKT
JKP / db KTP
• Statistik uji yang digunakan : F = = ~ berdistribusi F(k-1) ; (n-1)(k-1)
JKE / db KTE
• Daerah kritis :
Fhitung > Fα ; (k-1) ; (n-1)(k-1)
Dalam model ini, tidak bisa dilakukan pengujian untuk pengaruh blok, karena dalam model ini
perlakuan telah dipilih secara acak untuk digunakan terhadap unit eksperimen dalam tiap blok. Berarti
variasi perlakuan antar blok telah dihilangkan. Sementara pembentukan blok tidak dilakukan secara
acak, karena diperlukannya sifat homogen dalam tiap blok.
CONTOH 3 :
Dari contoh 1 di atas, apabila minggu yang berbeda dicurigai akan memberikan jumlah atau hasil
produksi yang berbeda, maka unit eksperimen dalam tiap stasiun kerja harus dibagi dalam minggu :
Jumlah Produksi/minggu (dalam unit)
Minggu ke Stasiun kerja I Stasiun kerja II Stasiun kerja III Jumlah (Y0j)
1 76 72 71 219
2 63 63 54 180
3 66 65 62 193
4 83 78 76 237
5 74 69 65 208
6 53 49 50 152
Jumlah (Yi0) 415 396 378 1189.00 =Y
k n 2 2
Y 1189
∑∑ y ij2 = 80201 ; N = 18 ; = = 78540,06
i =1 j =1 N 18
k n
Y2
JKT = ∑ ∑ y ij2 - N
= 80201 - 78540,06 = 1660,94
i = 1 j =1
k
Yi0 2 Y2 4152 + 3962 + 3782
JKP = ∑ n
-
N
=
6
- 78540,06 = 114,11
i =1
n Y0 j 2 Y2 2192 + 1802 + 1932 + 2372 + 2082 + 1522
JKB = ∑ k
-
N
= - 78540,06 = 508,94
j =1 3
JKE = JKT – JKP – JKB = 1660,94 – 114,11 – 1508,94 = 37,89
TABEL ANOVA :
SUMBER VARIASI db JK KT Fhitung
- Perlakuan (Stasiun kerja) 2 114.11 57.055 15.058
- Blok (Minggu ke) 5 1508.94
- Kesalahan (error ) 10 37.89 3.789
- TOTAL 17 1660.94
Uji Hipotesis :
• H0 : μ 1 = μ 2 = μ 3 → rata-rata jumlah produk yang dihasilkan perminggu homogen
H1 : tidak semua sama → tidak homogen
@Femiana Gapsari
■ Analisis Variansi 12
εk(ij) ~ DNI(0; σε2) dan Ai ~ DNI(0; σA2) ; Bj ~ DNI(0; σB2) ; ABij ~ DNI(0; σAB2)
(untuk model acak, yaitu jika level dari faktor A maupun B diambil secara acak dari
beberapa level yang mungkin dari faktor A maupun B)
a a
εk(ij) ~ DNI(0; σε2) dan ∑ A i = ∑ ABij = 0 ; Bj ~ DNI(0; σB2) (untuk model campuran,
i =1 i =1
dimana level dari faktor A tetap dan B acak)
b b
εk(ij) ~ DNI(0; σε2) dan ∑B j = ∑ ABij = 0 ; Ai ~ DNI(0; σA2) (untuk model campuran,
j =1 j =1
dimana level dari faktor B tetap dan A acak)
@Femiana Gapsari
■ Analisis Variansi 13
Hasil eksperimen disain faktorial AxB bisa disajikan dalam tabel berikut :
j Faktor B
i 1 2 …. b Jumlah Rata2
y111 y121 …. y1b1
y112 y122 …. y1b2
1
: : : :
y11n y12n …. y1bn
b
Jumlah J110 J120 …. J1b0 J100 = ∑ J1j0
j =1
: : : : : : :
: : : : : : :
ya11 ya21 …. yab1
ya12 ya22 …. yab2
a
: : : :
ya1n ya2n …. yabn
b
Jumlah Ja10 Ja20 …. Jab0 Ja00 = ∑ Jaj0
j =1
J000 2
• Jumlah Kuadrat Rata-rata (JKR) = ; db = 1
abn
a
∑ Ji00 2
( )2 =
a
i =1
• Jumlah Kuadrat Faktor A (JKA) = bn Yi00 - Y000 - JKR ; db = a – 1
i =1 bn
b
∑ Joj0 2
( )2 =
b
j =1
• Jumlah Kuadrat Faktor B (JKB) = an ∑ Y0 j0 - Y000 - JKR ; db = b – 1
j =1 an
a b
∑∑ Jij0 2
( )2 =
a b
i =1 j =1
• Jab = n∑ Yij0 - Y000 - JKR
i =1 j =1 n
• Jumlah Kuadrat Interaksi faktor A dan B (JKAB) = Jab – JKA – JKB ; db = (a-1)(b-1)
• Jumlah Kuadrat Kekeliruan (JKE) = JKT – JKR – JKA – JKB – JKAB ; db = ab(n-1)
@Femiana Gapsari
■ Analisis Variansi 14
Tabel ANOVA : (Untuk Model Tetap, level dari faktor A maupun B tetap)
Sumber Variasi db JK KT Fhitung Ftabel
Rata-rata 1 JKR JKR/1 - -
Pengaruh Faktor A a-1 JKA JKA/(a-1) KTA/KTE Fα;(a-1);ab(n-1)
Pengaruh Faktor B b-1 JKB JKB/(b-1) KTB/KTE Fα;(b-1);ab(n-1)
Interaksi Faktor AB (a-1)(b-1) JKAB JKAB/(a-1)(b-1) KTAB/KTE Fα;(a-1)(b-1);ab(n-1)
Kekeliruan eksperimen ab(n-1) JKE JKE/ab(n-1) - -
TOTAL abn JKT - - -
Selanjutnya untuk menguji apakah terdapat pengaruh masing-masing faktor tersebut, digunakan uji
hipotesis sebagai berikut :
a. Menguji pengaruh faktor A:
• H0 : A1 = A2 = …= Aa = 0 → tidak ada pengaruh dari faktor A
H1 : tidak semua = 0 → ada pengaruh dari faktor A
JKA / db KTA
• Statistik uji yang digunakan : Fhitung = = ~ berdistribusi F(a-1);ab(n-1)
JKE / db KTE
• Daerah kritis :
Fhitung > Fα;(a-1);ab(n-1)
Tabel ANOVA: (Model Acak, level dari faktor A maupun B diambil secara acak/random)
Sumber Variasi db JK KT Fhitung Ftabel
Rata-rata 1 JKR JKR/1 - -
Pengaruh Faktor A a-1 JKA JKA/(a-1) KTA/KTAB Fα;(a-1);(a-1)(b-1)
Pengaruh Faktor B b-1 JKB JKB/(b-1) KTB/KTAB Fα;(b-1);(a-1)(b-1)
Interaksi Faktor AB (a-1)(b-1) JKAB JKAB/(a-1)(b-1) KTAB/KTE Fα;(a-1)(b-1);ab(n-1)
Kekeliruan eksperimen ab(n-1) JKE JKE/ab(n-1) - -
TOTAL abn JKT - - -
@Femiana Gapsari
■ Analisis Variansi 15
@Femiana Gapsari
■ Analisis Variansi 16
• Daerah kritis :
Fhitung > Fα;(b-1);ab(n-1)
@Femiana Gapsari
■ Analisis Variansi 17
CONTOH 5:
Data dalam tabel berikut adalah hasil pengamatan mengenai kandungan protein pada suatu jenis
makanan anak yang diproses dengan dua cara yang berbeda (cara 1 dan 2) jika menggunakan bahan
baku yang berbeda (bahan A, B dan C). Dari masing-masing cara diambil sampel sebanyak tiga unit.
Ujilah dengan α = 5% apakah terdapat pengaruh dari cara memproses, jenis bahan baku dan interaksi
keduanya terhadap kandungan protein dari makanan anak yang dihasilkan.
Bahan Baku
Cara
A B C
4.1 3.1 3.5
1 3.9 2.8 3.2
4.3 3.3 3.6
2.7 1.9 2.7
2 3.1 2.2 2.3
2.6 2.3 2.5
►
Jika bahan baku yang digunakan hanya tiga itu (level faktor bahan baku hanya ada 3, yaitu bahan A, B
dan C saja) dan cara memprosesnya juga hanya dua (level dari faktor cara memproses hanya ada
dua, yaitu cara 1 dan 2 saja), maka modelnya adalah model tetap.
Bahan Baku
Cara Jumlah
A B C
4.1 3.1 3.5
1 3.9 2.8 3.2
4.3 3.3 3.6
Jumlah 12.3 9.2 10.3 31.8
2.7 1.9 2.7
2 3.1 2.2 2.3
2.6 2.3 2.5
Jumlah 8.4 6.4 7.5 22.3 JKT = 170.53
JUMLAH 20.7 15.6 17.8 54.1
Perhitungan Jumlah Kuadrat :
a b n
− Jumlah Kuadrat Total (JKT) = ∑∑ ∑ y ijk 2 = 170,53 ; db = abn = 2(3)(3) = 18
i =1 j =1k =1
J000 2 (54,1)2
− Jumlah Kuadrat Rata-rata (JKR) = = = 162,6 ; db = 1
abn 18
a
∑ Ji00 2
31,8 2 + 22,3 2
− Jumlah Kuadrat Faktor Cara (JKA) = i =1 - JKR = - 162,6 = 5,014
bn 3(3)
; db = a – 1 = 2 − 1 = 1
@Femiana Gapsari
■ Analisis Variansi 18
b
∑ Joj0 2
j =1
− Jumlah Kuadrat Faktor Bahan Baku (JKB) = - JKR
an
20,7 2 + 15,6 2 + 17,8 2
= - 162,6 = 2,18 ; db = b – 1 = 3 – 1 = 2
2(3)
a b
∑∑ Jij0 2
i =1 j =1 12,3 2 + 9,22 + 10,3 2 + 8,4 2 + 6,4 2 + 7,5 2
− Jab = - JKR = - 162,6 = 7,329
n 3
− Jumlah Kuadrat Interaksi faktor Cara dan Bahan Baku (JKAB) = Jab – JKA – JKB
= 7,329 – 5,014 – 2,18 = 0,135 ; db = (a-1)(b-1) = 1(2) = 2
− Jumlah Kuadrat Kekeliruan (JKE) = JKT – JKR – JKA – JKB – JKAB
= 170,53 – 162,6 – 5,014 – 2,18 – 0,135 = 0,601 ; db = 2(3)(3-1) = 12
Tabel ANOVA : (Untuk Model Tetap, level dari faktor Cara maupun Bahan Baku tetap)
0.0
Bahan A Bahan B Bahan C
■ Analisis Variansi 19
Cara 2
Cara 1
A B C
Bahan
@Femiana Gapsari
■ Analisis Variansi 20
Bahan Baku
Cara Jumlah
A B C
3.1 4.1 2.5
Cara 1 2,9 3.8 3.1
3.3 3.3 2.6
Jumlah 6.4 11.2 8.2 25.8
Rata-2 2.1 3.7 2.7 2.9
3.3 1.9 4.7
Cara 2 4.1 2.2 4.3
3.6 2.3 4.5
Jumlah 11.0 6.4 13.5 30.9
Rata-2 3.7 2.1 4.5 3.4
JUMLAH 17.4 17.6 21.7 56.7
RATA-2 2.9 2.9 3.6 3.2
JKT = 200.49 18
JKR = 178.61 1 F Hi tung F Ta bel
JKA = 1.44 1 F A = 2.20 < 4,747
JKB = 1.96 2 F B = 1.50 < 3,885
Jab = 14.01 F AB = 8.08 > 3,885
JKAB = 10.60 2
JKE = 7.87 12
1 2
Cara Proses
4.0
3.5
3.0
2.5
2.0
1.5
Kandungan Protein
1.0
0.5
0.0
A B C
Bahan Baku
@Femiana Gapsari
■ Analisis Variansi 21
Cara 2
Cara 1
A B C
Bahan
Bahan C
Bahan B
Bahan A
1 2
Cara
@Femiana Gapsari