BAB II

ANALYSIS OF VARIANCE
(ANOVA)

Analisa variant merupakan teknok terbaik

untuk analisa data percobaan. Kegunaan
analisa ini tergantung pada 2 faktor :
1. Sistematika penyusunan data
pengamatan/percobaan
2. Ketetapan penyusunan model

Analisa variant dapat dibedakan menjadi

beberapa type yaitu :
• Analisa variant 1 sisi (one way analysis
of variance)
• Analisis variance 2 sisi (two way
analysis of variance)

Analisa variant pada umumnya

merupakan alat untuk menganalisa data
yang diperoleh dari data percobaan
(experimental design).
1. Analisa variant 1 sisi:

1.1. Dengan ukuran sample sama

Jika kita menguji hypotesa mengenai

nilai rata-rata dari suatu populasi normal
dengan jumlah = k yang ukurannya sama.
Dari masing-masing populasi tersebut
diambil sample secara
bebas/independent dengan ukuran = n
dan diperkirakan bahwa masing-masing
populasi variantnya sama.
Dalam halini dipengaruhi factor2 sbbt ;

1. Tergantung pada data

Sample : 1 : X11. . . . . . . X1n. . . . . . . .T1
Sample : 2 : X21. . . . . . . X2n. . . . . . . .T2
Sample : I : Xi1. . . . . . . . Xin. . . . . . . . Ti
Sample : k : Xk1. . . . . . . Xkn. . . . . . . . Tk
T
2. Tergantung pada modelnya
Xij = µ1 + εij
Dimana :
I=1....k
j=1....k
ε = penyimpangan

Hipotesa :
H0 : µ1 = µ2 = . . . . . . µk (nilai rata-rata
populasi harganya sama)
H1 : se-kurang2 nya 2 nilai rata-rata, ≠
Perhitungan yang diperlukan adalah :
1. Faktor koreksi :
2. Jumlah kuadrat diantara sample2
(between samples sum of square)

3. Jumlah kuadrat total

4. Jumlah kuadrat penyimpangan

(Error Sum of Square)
SSE = SST =SSB
5. Table ANOVA

SSE
MSE

6. Karena analisanya variant, maka

digunakan statistic F

untuk one way

Pengujian / test :
H0 ditolak pada signifikan α, jika F > Fα
H0 diterima, jika F ≤ Fα
Fα diperoleh pada harga α untuk F pada
derajat kebebasan (k – 1) dan k (n – 1)
7. Nilai rata2 masing2 populasi :
Contoh soal :
Pada usaha peternakan ayamakan
dicoba untuk meningkatkan mutu
ayam pedaging, dilakukan pengamatan
dengan memberikan 5 jenis makanan
ternak dengan merek A, B, C, D, dan E
Yang ingin diuji apakah diantara ke 5
merek jenis makanan tersebut ada
perbedaan?
Dalam hal ini akan diamati perbedaan
berat yang diperoleh (berat tambahan )
bila ternak tertentu diberikan makanan
dengan masing-masing makanan ternak
tersebut.
Untuk selang waktu tertentu diamati
terhadap tambahan berat 8 ayam yang
dipilih secara acak/ random yg masing2
merek makanan tersebut diatas.
Total populasi (A+B+C+D+E) = 944,0
Perhitungan :
1. Faktor koreksi

2. Dicari jumlah kuadrat dari masing2 sample

3. SST =
 4. SSE = SST –SSB
= 641,9 – 408,2 = 233,7
5.
Sumber Derajat Jumlah Nilai rata2 kuadrat
variasi kebebasan kuadrat (mean square)

Diantara k – 1(4) SSB

sample (408,2)
=102,05
Penyimp k (n – 1 )(35) SSE
angan (233,7)
= 6,68
Total k n – 1(39) SST
(641,9)

6. Statistik F

Ada perbedaan diantara ke 5 merek makanan

tersebut
 H1 : sekurang2-nya 2µ tidak sama
jadi H0 ditolak
Jika ingin dicari satu persatu

dst

1.2 Bila jumlah sample masing2 tidak sama

Teknik ini digunakan untuk menguji

hipotesa dari nilai rata2 suatu populasi
normal, sebanyak k, yang dan dari
populasi tersebut. Masing2 diambil
sample dengan ukuran i ni ( i = 1 , . . .
....,k)
Diperkirakan masing2 populasi
mempunyai variasi yang sama.

Sample : 1 : X11 . . . . . . X1n . . . . . . T1

Sample : 2 : X21 . . . . . . X2n . . . . . . T2
Sample : 3 : X31 . . . . . . X3n . . . . . . T3
Sample : i : Xi1 . . . . . . Xin . . . . . .. Ti
Sample : k : Xk1 . . . . . . Xkn . . . . . .
Kemudian dibuat model

H1 : sekurang – kurang nya 2 nilai rata-rata

mempunyai harga tidak sama
4. SSE = SST = SSB
5. Tabel ANOVA
Sumber Derajat Jumlah Nilai rata2 kuadrat
variasi Kebebasan kuadrat (mean square)

Diantara k-1 SSB MSB=

sample
Penyimp N-k SSE MSE=
angan
Total N-1 SST

6. Statistik F

7. Pengujian :
H0 ditolak pada signifikan α, jika F > Fα
H0 diterima, jika F ≤ Fα
Contoh soal : untuk jumlah sample yang
tidak sama

Data dari jumlah timah yang menempel

pada lembaran baja diukur pada lb per
box dari percobaan yang dilakukan pada 5
flasing timah yang berbeda. Dari 5 unit
flasing A, B, C, D, E ingin kita tentukan
apakah masing – masing unit jumlah
timah yang menempel pada perangkaan
baja normal atau tidak ?
Dari pengamatan diperoleh hasil sbb:
A = 0.32 ; 0.31 ; 0.24 ; 0.28 ; 0.27 ; 0.3 ; 0.25 ; 0.22
B = 0.18 ; 0.21 ; 0.25 ; 0.22 ; 0.16 ; 0.21
C = 0.25 ; 0.21 ; 0.29
D = 0.29 ; 0.28 ; 0.24 ; 0.27 ; 0.21 ; 0.23 ; 0.25 ; 0.25
E = 0.16 ; 0.19 ; 0.20 ; 0.15 ; 0.20 ; 0.18 ; 0.20
Total
A = 2.19
B = 1.23
C = 0.75 = 7.47
D = 2.02
E = 1.28
 Hypotesa :
H0 : μ1 = μ2 = . . . . . . = μk
H1 : sekurang – kurangnya nilai 2μ
tidak sama
Perhitungan :

5. Tabel ANOVA
Sumber Derajat Jumlah Nilai rata2 kuadrat
variasi Kebeba- kuadrat (mean square)
san
Diantara k-1 (4) SSB MSB =
sample (0.0396)
Penyimpa- N-k (27) SSE
MSE =
ngan (0.0243)
Total N-1 (31) SST
(0.0639)

Kesimpulan : tidak normal timah yang

menempel pada permukaan baja
2. Analisa variant 2 sisi :
( Dengan 1 pengamatan/percobaan untuk
masing-masing cell ). Bila kita akan
menguji hypotesa mengenai
pengaruh/effek dari 2 variable yang
bebas/independent yang masing2
mempunyai sifat atitive (saling menambah).

Misalnya : variable-variable diberi

notasi A & B
Variable A : sering disebut :
perlakuan/treatment
Variable B : sering disebut : blok/kolom
Jadi A : effek perlakuan
B : effek kolom

Jika dituliskan data-datanya sebagai berikut

Hypotesa :

1. Untuk variable A
H0 : αi = 0 untuk semua harga i
H1 : tidak semua αi = 0
2. Untuk variable B
H0 : βj = 0 untuk semua harga j
H1 : tidak semua βj = 0
Dilakukan hypotesa perhitungan sbb:
 6. Tabel ANOVA
Sumber Derajat Jumlah Nilai rata2 kuadrat
variasi Kebebasa kuadrat (mean square)
n
Diantara ( a-1 ) SSA MSA =
klasifikasi A
Diantaraklas (b -1) SSB MSB =
ifikasi B
Penyimpang (a-1)(b-1) SSE
MSE =
an
Total ab-1 SST

8. Pengujian hipotesa
Contoh Soal :

4 buah roket diluncurkan dari 3

tempat peluncuran yang berbeda.
Masing-masing roket menggunakan 4
bahan bakat yang berbeda. Diinginkan
untuk menguji apakah ada perbedaan
diantara bahan bakar dengan dasar jarak
tempuh roket tersebut dalam ( mil laut)

Data–data yang diperoleh:

Bahanbakar TempatPeluncuran
A1 B1 B2 B3 Total
A2 58,2 56,2 66,3 179,7
A3 49,1 54,1 51,6 154,8
A4 60,1 70,9 39,2 170,2
A5 75,8 58,2 48,7 182,7
Total 243,2 239,4 204,8 687,4
 Analisa variant 2 sisi (2 arah )
( Dengan pengamatan percobaan per cell )

Diinginkan untuk menganalisa hypotesa

mengenai 2 variable dan interaksinya
berdasarkan pada n pengamatan untuk
semua kombinasi klasifikasi A dan B.
Disini diperkirakan dari n pengamatan
per sel tidak ada pengulangan / replikasi.
Jadipercobaan yang jumlahnya a x b
tidak dilakukan pemisahan jumlah n .x
Data Pengamatan :
 B1 B2 B3 B4 Total
 
X111 X121   X1j1 X1b1 
X112 X122    X1j2 X1b2  T1 
   -      
 
 -    -  -  
A1  X11n X12n  X1jn    X1bn  
X211    X221 X2j1    X2b1
 X212   X222   X2j2   X2b2  T2
 
 - -   - -   
A2   X21n   X22n   X2jn X2bn   
Xi11  Xi11  Xij1  Xib1 
 Xi12   Xi12   Xij2 Xib2  Ti 
   -      
 
 -    -  -  
Ai  Xi1n    Xi1n  Xijn  Xibn  
Xa11  Xa21   Xaj1   Xab1
        Ta 
 
- - - -  
AA  Xa1n   Xa2n Xjnm   Xabn  
 Total  T1  T2  Tj  Tb  
Model:
Xijk = μ + αi + βj + ƴijk + εijk
I = 1,2,…………, a
J = 1,2,…………, b
K =1,2,………….,n
αi=Efek Dari Klasifikasi A
βi= efek dari klasifikasi B
γij= efek dari interaksi A yang ke i
dan B yang ke j
= 0, = 0, = 0,

Hypotesa:
Untuk variable A :
H0 : αi = 0, untuk semua harga i
H1 : tidak semua αi sama dengan 0
Untuk variable B :
H0 : βi = 0, untuk semua harga j
H1 : tidak semua βi sama dengan 0
Untuk interval
H0 : γij = 0, untuk semua harga i dan j
H1 : tidak semua γij sama dengan 0
Perhitungan :
a.Faktor koreksi : c =

b. Jumlah kuadrat diantara klasifikasi A

SSA = –c

c. Jumlah kuadrat diantara klasifikasi B

SSB = –c

d. Jumlah kuadrat diantara nilai rata-rata

SSB = –c

e. Jumlah dari kuadrat interaksi

SSE = SST-SSA-SSB

f. Jumlah dari kuadrat total

SST = –c

g. Jumlah dari kuadrat penyimpangan

h. Tabel ANOVA

Sumber Derajat Jumlah Nilai rata2 kuadrat

variasi kebebasan kuadrat (mean square)

Diantara a-1 SSA

Klasifikasi A MSA =

Diantara b-1 SSB

Klasifikasi B MSB =

Interaksi (a-1)(b-1) SSI

MSI =
Penyimpang- a.b(n-1) SSE MSE =
an

Total a.b.n-1 SST

i. Statistik F
F= ,F= ,F=
Pengujian :

Untuk variant A
Jika FA > Fα , maka H0 ditolak pada signifikansi α
Jika FA ≤ Fα , maka H0 diterima
Fα dari table pada d.k (a-1) dan a.b(n-1)

Untuk variant B
Jika FB > Fα , maka H0 ditolak pada signifikansi α
Jika FB ≤ Fα , maka H0 diterima
Fα dari table pada d.k (b-1) dan a.b(n-1)

Untuk interaksi
Jika FI > Fα , maka H0 ditolak
Jika FI ≤ Fα , maka H0 diterima
Fα diperoleh dengan d.k (a-1)(b-1) dan a.b(n-1)

Estimasi μ

μ=

αi, βj, γij diestimasi

 Analisa variant 2 sisi (2 arah )
(dengan replikasi/ulangan )
Apabila kita gunakan replikasi/ulangan dari
sejumlah percobaan a x b yaitu percobaan
yang tidak dari pengamatan untuk semua
kombinasi dari klasifikasi A dan B. Maka bila
kita inginkan untuk menguji hypotesa maupun
dari replikasi/ulangannya. Data seperti analisa
variant dengan n pengamatan per sel (table 3)
B1
A1 X1
.
. merupakan aplikasi/pengulangan
Xim
Model :
Xijk = μ + αi + βj + γij + ρk + εijk
I = 1,2,........,a
j =1,2,.........,b
k =1,2,........,n
untuk αi, βj, γij sama seperti analisa variant
didepan (spt 3) ρk = efek replikasi dg batasan2
ρ.k = 0
Hypotesa :

Sama seperti diatas (no. 3)

Ditambah untuk replikasi
H0 : ρk = 0, untuk semua harga k
H1 : tidak semua harga ρk = 0

Perhitugan :
a) s/d g) sama seperti no.3

h) SSR = -c
Tk = total semua pengamatan pada
pengulangan ke k

i) SSE = SST – SSM - SSR

j) Tabel ANOVA
Sumber Derajat Jumlah Nilai rata2 kuadrat
variasi kebebasan kuadrat (mean square)

Diantara a-1 SSA MSA =

Klasifikasi A
Diantara b-1 SSB MSB =
Klasifikasi B
Interaksi (a-1)(b-1) SSI MSI =

Replikasi (n-1) SSR MSR =

Penyimpangan (n-1)(a.b-1) SSE MSE =

Total a.b.n-1 SST

k) Statistik F
Untuk FA , FB , FI sama no.3
Untuk FR =

l) Pengujian
Untuk FA, FB, FI sama no.3
FR > Fα H0 ditolak

F R ≤ Fα H0 diterima
Fα dibaca pada table dengan d.k (n-1) dan (a.b.n-1)
Contoh Soal :
4 roket diluncurkan 3 tempat peluncuran yang
berbeda tetapi isini digunakan 2 pengamatan untuk
masing2 kombinasi antara tempat peluncuran dan
bahan bakar. Data sebagai berikut :

Tempat Peluncuran
Rocket Total
B1 B2 B3

A1 58,2 56,2 65,3 334,3

52,6 41,2 60,8

A2 49,1 54,1 51,6 296,5

42,8 50,5 48,4

A3 60,1 70,9 39,2 342,4

58,3 73,2 40,7

A4 75,8 58,2 48,7 346,6

71,5 51,0 41,4

Total 468,4 455,3 396,1 1.319,8

Perhitungan :

a) C = = = 72.578,0

b) SSA = - 72.578,0 = 261,68

c) SSB = – 72.578,0 = 370,98

d) SSM = – 72.578,0 = 2.401,35

e) SSI = SSM – SSA – SSB = 1.768,69

f) SST = 58,22 + 52,62 + ... + 48,72 + 41,42

– 72.578,0 = 2.638,30

g) SSE = SST – SSM = 236,95

h) Tabel ANOVA
 Sumber dk Jumlah Nilai rata2
variasi kuadrat kuadrat
Diantara (4-1) 261,68 87,23
Klasifikasi A
Diantara (3-1) 370,98 185,49
Klasifikasi B
Penyimpa- (4-1)(3-1) 1.768,69 294,78
ngan
Total (4.3)(2-1) 236,95 19,75

i) Statistik F
FA = = 4,42

FA = = 9,39

FI = = 14,93
j) Pengujian pada α = 0,05
Untuk variant A d.k (3 ; 12) F0,05 = 3,49
Untuk variant B d.k (2 ; 12) F0,05 = 3,88

Untuk interaksi d.k (6 ; 12) F0,05 = 3,0

FA > Fα ; FB > Fα ; FI > Fα

Kesimpulan : H0 ditolak, untuk FA , FB dan FI
da perbedaan diantara tempat-tepat peluncuran