Anda di halaman 1dari 47

STATISTIKA & PROBABILITAS

1
 Analisis variansi (ANOVA) adalah suatu
metoda untuk menguji hipotesis kesamaan
rata-rata dari tiga atau lebih populasi.

 Asumsi
 Sampel diambil secara random dan saling bebas
(independen)
 Populasi berdistribusi Normal
 Populasi mempunyai kesamaan variansi

2
 Misalkan kita mempunyai k populasi.
 Dari masing-masing populasi diambil
sampel berukuran n.
 Misalkan pula bahwa k populasi itu bebas
dan berdistribusi normal dengan rata-rata
1, 2, …. dan k dan variansi 2.
 Hipotesa :
H0 : 1 = 2 = … = k
H1 : Ada rata-rata yang tidak sama

3
 Uji ANOVA (Analisis of Variance) atau sering
diistilahkan sebagai uji sidik ragam,
dikembangkan oleh Ronald Fisher.
 Prinsip pengujiannya adalah menganalisis
variabilitas atau keragaman data menjadi dua
sumber variasi, yaitu variasi dalam kelompok
(within) dan variasi antar kelompok (between).
 Bila variasi within dan between sama maka rata-
rata yang dihasilkan tidak ada perbedaan,
sebaliknya bila hasil perbandingan kedua varian
tersebut menghasilkan nilai lebih dari 1, maka
rata-rata yang dibandingkan menunjukkan
adanya perbedaan.

4
 Analisis varians (ANOVA) adalah suatu
teknik statistik yang memungkinkan kita
untuk mengetahui apakah dua atau lebih
mean populasi akan bernilai sama dengan
menggunakan data dari sampel masing–
masing populasi.
 Digunakan untuk menguji hipotesis
komparatif rata–rata k sampel (jml lebih
dari 2) bila datanya interval atau rasio.
 Contoh pengujian untuk mengetahui
apakah ada perbedaan antara rata–rata
penghasilan guru SD, guru SMP dan guru
SMA.
 Langkah pengujian anova dibedakan atas
one way anova dan two way anova.
 One way anova: memperhitungkan satu
faktor yang menyebabkan variasi.
Contoh: menguji hipotesis ada tidaknya
perbedaan antara rata–rata penghasilan
guru SD, guru SMP dan guru SMA.

 Two way anova: memperhitungkan dua


faktor yang menyebabkan variasi.
Contoh: menguji hipotesis ada tidaknya
perbedaan antara rata–rata penghasilan
guru SD, guru SMP dan guru SMA,
berdasarkan jenis kelamin.

7
Langkah-langkah pengujian one way Anova:

a. Menentukan Ho dan Ha
Ho: μ1= μ2 = μ3 =…….. Μn
Ha: Satu atau beberapa μ berbeda dengan μ yang
lain (menyatakan bahwa Ho tidak terbukti).

Hal tersebut bisa berarti:


μ1 ≠ μ2 ≠ μ3 ≠……. μn
atau
μ1= μ2 tetapi μ2 ≠ μ3 ≠……. μn
atau
μ1 ≠ μ2 tetapi μ1= μ3
dan μ1 ≠ μ4 ≠ μ5 ≠……. μn
dan seterusnya.

Perlu diperhatikan bahwa jika


Ho: μ1= μ2 = μ3 =…….. μn
bukan berarti bahwa
Ha: μ1≠ μ2 ≠ μ3 ≠ …….. μn
b. Menentukan daerah penerimaan Ho dan
Ha.
Menggunakan distribusi F, dengan ciri-ciri
: kontinyu, bernilai positif atau nol,
distribusi menceng ke kanan dan tidak
pernah memotong sumbu datar.
Numerator = k-1
Denominator = k (n-1)
k = jumlah kolom
n = jumlah elemen tiap kolom
Besarnya α ditentukan oleh peneliti, umumnya
digunakan α = 5%
c. Menentukan nilai Statistik uji
d. Membandingkan nilai F-ratio dengan daerah
penerimaan Ho dan Ha
Ho diterima jika F-ratio lebih kecil dari titik kritis, dan
sebaliknya
e. Pengambilan keputusan
Jika Ho diterima artinya kita menerima hipotesis yang
menyatakan bahwa rata-rata populasi tidak berbeda
(sama).
Bila F Hitung < F tabel, maka Ho diterima, yang berarti
rata-rata kedua perlakuan tidak berbeda secara
signifikan,
Bila F Hitung > F tabel, maka Ho ditolak dan H1
diterima, yang berarti rata-rata kedua perlakuan
berbeda secara signifikan.
 Sebuah hipotesa ingin menguji ada tidaknya
perbedaan secara signifikan antara
penghasilan pegawai negri, petani dan
pedagang, dengan menggunakan data
sampel, sebagai berikut:

Pegawai negri petani pedagang


5 9 9
4 8 4
7 5 6
Populasi
1 2 … i … k
x11 x21 … xi1 … Xk1
Total
x12 x22 … xi2 … Xk2
: : : : : :
x1n x2n … xin … xkn
Total T1 T2 … Ti … Tk T

Ti adalah total semua pengamatan dari populasi ke-i


T adalah total semua pengamatan dari semua populasi
13
k n 2
T
Jumlah Kuadrat Total = JKT   x  2
ij


i 1 j1 nk
k

T 2
i
T 2
Jumlah Kuadrat Perlakuan = JKP  i 1
 
n nk
Jumlah Kuadrat Galat = JKG  JKT  JKP

14
Sumber Derajat Jumlah Kuadrat
Statistik F
Variasi bebas kuadrat Rata-rata
KRP = F=
Perlakuan k–1 JKP
JKP/(k – 1 ) KRP/KRG
KRG =
Galat k(n-1) JKG
JKG/(k(n-1))
Total nk – 1 JKT

H0 ditolak jika F > F(; k – 1; k(n – 1))


atau nilai-p < . 15
Sebagai manager produksi, anda ingin melihat
mesin pengisi akan dilihat rata-rata waktu
pengisiannya. Diperoleh data seperti di bawah.
Pada tingkat signifikansi 0.05 adakah perbedaan
rata-rata waktu ?

Mesin1 Mesin2 Mesin3


25.40 23.40 20.00
26.31 21.80 22.20
24.10 23.50 19.75
23.74 22.75 20.60
25.10 21.60 20.40
16
 Hipotesa :
H0: 1 = 2 = 3
H1: Ada rata-rata yang tidak sama
 Tingkat signifikasi  = 0.05
 Karena df1= derajat bebas perlakuan = 2
dan df2 = derajat bebas galat = 12, maka
f(0.05;2;12) = 3.89.
Jadi daerah pelokannya:
◦ H0 ditolak jika F > 3.89

17
18
k n 2
T
JKT   x  2
ij


i 1 j1 nk
 25.40  26.31  24.10  23.74  25.10 
2 2 2 2 2

23.40  21.80  23.50  22.75  21.60 


2 2 2 2 2

20.00  22.20  19.75  20.60  20.40


2 2 2 2 2

2
340.65

5 3
 58.2172
19
k

T 2
i
T 2
JKP  i 1
 
n nk
124.652  113.052  102.952 340.652
 
5 5 3
 47.1640
JKG  58.2172  47.1640  11.0532
20
Karena Fhitung = 25.60 > 3.89 maka H0 ditolak.
Jadi ada rata-rata yang tidak sama.
21
k ni 2
T
Jumlah Kuadrat Total = JKT   x  2
ij


i 1 j 1 N
k 2 2
T T
Jumlah Kuadrat Perlakuan = JKP 
 i

i 1 ni

N


Jumlah Kuadrat Galat = JKG  JKT  JKP

k
dengan N   n i
i 1
22
Sumber Derajat Jumlah Kuadrat
Statistik F
Variasi bebas kuadrat Rata-rata
KRP = F=
Perlakuan k–1 JKP
JKP/(k – 1 ) KRP/KRG
KRG =
Galat N–k JKG
JKG/(N - k)
Total N–1 JKT

23
 Dalam Sebuah percobaan
biologi 4 konsentrasi bahan
kimia digunakan untuk
merangsang pertumbuhan
sejenis tanaman tertentu selama
periode waktu tertentu. Data
pertumbuhan berikut, dalam
sentimeter, dicatat dari tanaman
yang hidup.
 Apakah ada beda pertumbuhan
rata-rata yang nyata yang
disebabkan oleh keempat
konsentrasi bahan kimia
tersebut.
 Gunakan signifikasi 0,05. 24
 Hipotesa :
H 0:  1 =  2 =  3=  4
H1: Ada rata-rata yang tidak sama
 Tingkat signifikasi  = 0.05
 Karena df1= derajat bebas perlakuan = 3
dan df2 = derajat bebas galat = 16, maka
f(0.05;3;16) = 3.24.
Jadi daerah pelokannya:
H0 ditolak jika F > 3.24
25
26
k ni 2
T
JKT   xij  
2

i 1 j 1 N
 8.2 2  8.7 2  9.4 2  9.2 2  7.7 2  8.4 2  8.6 2
 8.12  8.0 2  6.9 2  5.82  7.2 2  6.82  7.4 2
2
150.90
 6.1  6.8  7.3  6.3  6.9  7.1 
2 2 2 2 2 2

20
 19.350

27
k 2 2
T T
JKP   i
 

i 1 ni N
35.52 40.82 40.2 2 34.4 2 150.9 2
    
4 5 6 5 20
 15.462

JKG  19.350  15.462  3.888

28
Karena Fhitung = 21.213 > 3.24 maka H0 ditolak.
Jadi ada rata-rata yang tidak sama. 29
Seorang kontraktor di bidang jenis
jasa pengangkutan ingin
mengetahui apakah terdapat
perbedaan yang signifikan pada
kapasitas daya angkut 3 merk truk,
yaitu Mitsubishi, Toyota dan
Honda. Untuk itu kontraktor ini
mengambil sampel masing-masing
5 truk pada tiap-tiap merek
menghasilkan data seperti
disamping.
Jika ketiga populasi data tersebut
berdistribusi normal dan variansi
ketiganya sama, uji dengan
signifikasi 5% apakah terdapat
perbedaan pada kwalitas daya
angkut ketiga merek truk tersebut
30
Seorang guru SMU mengadakan
penelitian tentang keunggulan
metode mengajar dengan
beberapa metode pengajaran.
Bila data yang didapat seperti
pada tabel disamping, ujilah
dengan signifikasi 5% apakah
keempat metode mengajar
tersebut memiliki hasil yang
sama? (asumsikan keempat data
berdistribusi Normal dan
variasnisnya sama)

31
 Untuk menentukan apakah ada variasi dalam
pengamatan yang diakibatkan oleh perbedaan
dalam perlakuan, uji hipotesisnya adalah :
◦ H0 : 1. = 2. = … = k. atau bisa dituliskan H0 : 1 = 2
= … = k
◦ H1 : paling sedikit dua diantaranya tidak sama
 Untuk menentukan apakah ada variasi dalam
pengamatan yang diakibatkan oleh perbedaan
dalam blok, uji hipotesisnya adalah :
◦ H0 : .1 = .2 = … = .b atau bisa dituliskan H0 : 1 = 2 =
… = b
◦ H1 : paling sedikit dua diantaranya tidak sama

32
• Memeriksa efek dari :

– Dua faktor pada variabel dependen

Contoh:
• Apakah terdapat pengaruh faktor A dan
faktor B terhadap variabel dependen ?

• Apakah terdapat pengaruh shift dan jenis


kelamin pada produktifitas kerja ?

33
– Interaksi antar level yang berbeda pada
dua faktor tersebut

Contoh :
•Apakah terdapat interaksi antara 2
faktor yaitu faktor A dan faktor B
terhadap variabel dependen ?

•Apakah terdapat interaksi antara shift


dan jenis kelamin terhadap produktifitas
kerja ?

34
• Asumsi
– Normalitas
• Populasi berdistribusi normal
– Homogenitas Variansi
• Populasi mempunyai kesamaan variansi
– Independensi Error
• Random sampel yang Independen

35
Tabel Inova

Sumber Variasi Jumlah Derajat Rata-rata Kuadrat F hitung


Kuadrat Bebas

Perlakuan

k 1
JKA JKA S
2
S1 
2
F1  12
k 1 S

2
Blok JKB JKB S
b 1 S2
2
 F2  22
b 1 S
Galat JKG (k  1)(b  1) JKG
S2 
(k  1)(b  1)

Total JKT bk  1

36
k b 2
T ..
JKT   yij 
2

i 1 j 1 bk b

T. j
2
2
j 1 T..
JKB  
k k bk
T
2
i. 2
T..
JKA  i 1

b bk

JKG  JKT  JKA  JKB

37
• Sebuah pabrik mempekerjakan karyawan dalam 4 shift (satu
shift terdiri atas sekelompok pekerja yang berlainan).

• Manajer pabrik tersebut ingin mengetahui apakah ada


perbedaan produktifitas yang nyata di antara 4 kelompok
kerja yang ada selama ini.

• Selama ini setiap kelompok kerja terdiri atas wanita semua


atau pria semua. Dan setelah kelompok pria bekerja dua hari
berturut-turut, ganti kelompok wanita (tetap terbagi menjadi
4 kelompok) yang bekerja.

• Demikian seterusnya, dua hari untuk pria dan sehari untuk


wanita.

38
39
• Faktor Shift :
H0 : Tidak ada pengaruh faktor Shift
terhadap produktifitas
H1 : Ada pengaruh faktor Shift terhadap
produktifitas
• Faktor Gender :
H0 : Tidak ada pengaruh faktor Gender
terhadap produktifitas
H1 : Ada pengaruh faktor Gender terhadap
produktifitas

40
• Interaksi antara faktor Shift dan Faktor
Gender :

H0 : Tidak ada interaksi antara faktor


Shift dan Gender terhadap
produktifitas

H1 : Ada interaksi antara faktor Shift


dan Gender terhadap produktifitas

41
42
• Nilai-p untuk faktor Shift mendekati 0 <  =
0,05 (Ho ditolak) sehingga terdapat pengaruh
faktor Shift terhadap produktifitas
• Nilai-p untuk faktor Gender adalah 0,019 < 
= 0,05 (Ho ditolak) sehingga terdapat
pengaruh faktor Gender terhadap
produktifitas
• Nilai-p untuk interaksi antara faktor Shift
dan Gender adalah 0,598 > 0,05 sehingga
H0 diterima yaitu berarti tidak terdapat
interaksi antara faktor Shift dan Gender
terhadap produktifitas
43
44
• Terdapat beda nyata antara Shift II dengan Shift IV dan
Shift II dengan Shift I
• Terdapat beda nyata antara Shift IV dengan Shift II dan
Shift IV dengan Shift I
• Dst

45
Terdapat perbedaan nyata antara produktifitas pria dan produktifitas
wanita
46
47