Bab 12

Analisis varians

Chatime
Statistik Bisnis
 01
The F Distribution
Distribusi F
Apa itu distribusi F?

Distribusi F merupakan distribusi

probabilitas kontinu. Distribusi F dikenal
juga sebagai distribusi F Snedecor atau
distribusi Fisher-Snedecor. Distribusi F
seringkali digunakan dalam uji statistik
seperti analisis variansi (ANOVA) dan
analisis regresi
 Fungsi distribusi f

Pengujian Pengujian signikansi Pengujian linearitas

homogenitas data korelasi data
 Contoh soal
Kedai Chatime memiliki dua cabang, yaitu cabang A dan cabang B.
Data jumlah pengunjung di kedua cabang tersebut selama seminggu
terakhir adalah sebagai berikut:

Cabang A: 60, 70, 80, 90, 100

Cabang B: 70, 75, 80, 85, 90, 95
Dengan menggunakan tingkat signifikansi α = 0,05, apakah terdapat
perbedaan yang signifikan antara varian jumlah pengunjung di kedua
cabang?

Penyelesaian:
Untuk menyelesaikan masalah ini, kita dapat menggunakan konsep distribusi F untuk
membandingkan varian jumlah pengunjung di kedua cabang. Varians adalah ukuran seberapa jauh
data tersebar dari rata-rata. Kita ingin mengetahui apakah varian jumlah pengunjung di kedua
cabang berbeda secara signifikan atau tidak.

Langkah pertama adalah menghitung varian masing-masing sampel. Varians dapat dihitung dengan
rumus:

S^2 = Σ (xi - X)^2 / (n - 1) di mana S^2 adalah varians, xi adalah nilai pengunjung pada masing-masing sampel, X adalah
rata-rata pengunjung pada masing-masing sampel, dan n adalah jumlah sampe
 Contoh soal
Maka untuk cabang A:

X = (60 + 70 + 80 + 90 + 100) / 5 = 80
S^2 = [(60-80)^2 + (70-80)^2 + (80-80)^2 + (90-80)^2 + (100-80)^2] / (5-1) = 200
dan untuk cabang B:

X = (70 + 75 + 80 + 85 + 90 + 95) / 6 = 83.33

S^2 = [(70-83.33)^2 + (75-83.33)^2 + (80-83.33)^2 + (85-83.33)^2 + (90-83.33)^2 + (95-
83.33)^2] / (6-1) = 104.76
Selanjutnya, kita dapat menggunakan rumus F-test untuk membandingkan varian di kedua
sampel:

F = S1^2 / S2^2

di mana F adalah statistik uji, S1^2 adalah varians sampel 1, dan S2^2 adalah varians
sampel 2.
 Contoh soal
Maka untuk contoh ini, nilai F-test adalah:

F = 200 / 104.76 ≈ 1.91

Untuk menguji hipotesis, kita perlu membandingkan nilai F-test dengan nilai kritis F pada
tingkat signifikansi α = 0,05. Nilai kritis F dapat dicari dari tabel distribusi F dengan derajat
kebebasan (df) sebesar (4, 5) karena jumlah sampel pada cabang A adalah 5 dan jumlah
sampel pada cabang B adalah 6.

Maka dari tabel distribusi F tersebut, nilai kritis F pada α = 0,05 dan df = (4,5) adalah
sebesar 5,19.

Karena nilai F-test (1,91) lebih kecil dari nilai kritis F (5,19), maka kita gagal menolak
hipotesis null bahwa varian jumlah pengunjung di kedua cabang sama.

Dengan demikian, kesimpulan dari pengujian statistik ini adalah bahwa tidak ada
perbedaan yang signifikan antara varian jumlah pengunjung di kedua cabang Chatime pada
tingkat signifikansi α = 0,05.
 02
Comparing Two
Population Variances

Membandingkan Dua Variansi

Populasi
Fungsi dari Uji dua variansi
populasi?
Uji dua variansi populasi dilakukan
sebelum uji rataan 2 populasi dengan
variansi tidak dketahui untuk menentukan
ragam dianggap sama atau berbeda
 Contoh soal
Kedai Chatime ingin membandingkan varian rasa minuman pada dua
cabangnya, yaitu cabang A dan cabang B. Dari 5 pengunjung pada
cabang A, diperoleh varian rasa sebesar 200, sedangkan dari 6
pengunjung pada cabang B, diperoleh varian rasa sebesar 120.
Dapatkah kita menyimpulkan bahwa varian rasa pada cabang A
berbeda secara signifikan dengan varian rasa pada cabang B pada
tingkat signifikansi 0,05?
Penyelesaian:
1. Menetapkan Hipotesis
Langkah pertama adalah menguji hipotesis bahwa kedua varian populasi sama dengan
menggunakan uji F-test. Hipotesis null (H0) menyatakan bahwa kedua varian populasi sama,
sementara hipotesis alternatif (Ha) menyatakan bahwa kedua varian populasi berbeda.

Hipotesis:
H0: σ1^2 = σ2^2
Ha: σ1^2 ≠ σ2^2

Di sini, σ1^2 dan σ2^2 adalah varian rasa pada cabang A dan B, masing-masing.
 Contoh soal
2. Menghitung Statistik Uji

Kita akan menggunakan teknik Comparing Two Population Variances untuk

menyelesaikan masalah ini. Untuk menghitung statistik uji F, kita memerlukan
estimasi varian populasi dari masing-masing sampel, yaitu S1^2 dan S2^2, serta
jumlah pengamatan dari masing-masing sampel, yaitu n1 dan n2.

S1^2 = 200 (dari sampel cabang A)

S2^2 = 120 (dari sampel cabang B)
n1 = 5 (jumlah pengamatan pada sampel cabang A)
n2 = 6 (jumlah pengamatan pada sampel cabang B)

Maka, statistik uji F adalah:

F = S1^2 / S2^2 = 200 / 120 = 1.67

 Contoh soal
3. Menentukan Titik Kritis

Untuk menguji hipotesis, kita perlu membandingkan nilai F-test dengan

nilai kritis F pada tingkat signifikansi 0,05. Kita menggunakan tabel
distribusi F untuk menentukan nilai kritis F.

Derajat kebebasan untuk sampel 1 adalah n1 - 1 = 5 - 1 = 4, sedangkan

derajat kebebasan untuk sampel 2 adalah n2 - 1 = 6 - 1 = 5. Dari tabel
distribusi F dengan df1 = 4 dan df2 = 5, dengan tingkat signifikansi
0,05, didapatkan nilai kritis F sebesar 5,19.
 Contoh soal

4. Menetapkan Keputusan

Karena nilai F-test (1,67) tidak melebihi nilai kritis F (5,05), maka kita
gagal menolak hipotesis null. Artinya, tidak ada cukup bukti untuk
menyatakan bahwa kedua varian rasa pada cabang A dan cabang B
berbeda secara signifikan pada tingkat signifikansi 0,05.
 Contoh soal

5. Menarik Kesimpulan

Jadi, kesimpulannya adalah kedua varian rasa pada kedai Chatime

cabang A dan B tidak berbeda secara signifikan pada tingkat
signifikansi 0,05.
 03
ANOVA
Assumptions
Asumsi ANOVA
Anova

Anova adalah sebuah analisis statistik yang

menguji perbedaan rerata antar grup. Grup
disini bisa berarti kelompok atau jenis
perlakuan. Anova ditemukan dan
diperkenalkan oleh seorang ahli statistik
bernama Ronald Fisher. Anova merupakan
singkatan dari Analysis of variance
Asumsi ANOVA

• Populasi mengikuti distribusi normal

• Populasi memiliki standar deviasi yang sama
(a)
• Populasi tersebut independen.
 04
The ANOVA Test

Tes ANOVA
 Contoh soal
Kedai Chatime memiliki tiga cabang, yaitu Cabang A, Cabang B, dan Cabang C.
Kedai Chatime ingin mengetahui apakah terdapat perbedaan rata-rata pengunjung
antara ketiga cabang tersebut pada hari Sabtu. Kedai Chatime mengambil sampel
sebanyak lima kali pengamatan pada masing-masing cabang dan mengumpulkan
data sebagai berikut:

Cabang A: 60, 70, 80, 90, 100

Cabang B: 70, 75, 80, 85, 90, 95
Cabang C: 75, 80, 85, 90, 95

Lakukan uji ANOVA untuk mengetahui apakah terdapat perbedaan rata-rata

pengunjung pada ketiga cabang tersebut dengan menggunakan tingkat signifikansi
0,05.
 Contoh soal
Penyelesaian:

Langkah pertama adalah menguji asumsi normalitas pada masing-masing sampel

dengan menggunakan uji normalitas, seperti uji Shapiro-Wilk. Namun, untuk
mempermudah penyelesaian, kita dapat menggunakan asumsi bahwa masing-masing
sampel memiliki distribusi yang sama dan independen.

Langkah kedua adalah menghitung rata-rata dan varians pada masing-masing

sampel:

Cabang A: X1 = (60 + 70 + 80 + 90 + 100) / 5 = 80, S1^2 = [(60-80)^2 + (70-80)^2

+ (80-80)^2 + (90-80)^2 + (100-80)^2] / 4 = 200
Cabang B: X2 = (70 + 75 + 80 + 85 + 90 + 95) / 6 = 83.33, S2^2 = [(70-83.33)^2 +
(75-83.33)^2 + (80-83.33)^2 + (85-83.33)^2 + (90-83.33)^2 + (95-83.33)^2] / 5 =
115.87
Cabang C: X3 = (75 + 80 + 85 + 90 + 95) / 5 = 85, S3^2 = [(75-85)^2 + (80-85)^2 +
(85-85)^2 + (90-85)^2 + (95-85)^2] / 4 = 100
 Contoh soal
Langkah ketiga adalah menghitung jumlah kuadrat antar kelompok (SSB) dan
jumlah kuadrat dalam kelompok (SSW):

SSB = Σn(Xi - X)^2 / (k-1)

= 5(80-82.78)^2 + 6(83.33-82.78)^2 + 5(85-82.78)^2
= 46.16

SSW = ΣΣ(xi - Xi)^2 / (N-k)

= [(60-80)^2 + (70-80)^2 + (80-80)^2 + (90-80)^2 + (100-80)^2] + [(70-83.33)^2 +
(75-83.33)^2 + (80-83.33)^2 + (85-83.33)^2 + (90-83.33)^2 + (95-83.33)^2] + [(75-
85)^2 + (80-85)^2 + (85-85)^2 + (90-85)^2 + (95-85)^2] / (15-3)
= 643.87

Dimana k adalah jumlah kelompok, n adalah jumlah pengamatan pada setiap

kelompok, Xi adalah rata-rata pada kelompok i, X adalah rata-rata dari seluruh
pengamatan, xi adalah pengamatan ke-i pada kelompok i, dan N adalah jumlah total
pengamatan
 Contoh soal
Langkah keempat adalah menghitung mean square antar kelompok (MSB) dan mean
square dalam kelompok (MSW):

MSB = SSB / (k-1) = 46.16 / 2 = 23.08

MSW = SSW / (N-k) = 643.87 / 12 = 53.66

Langkah kelima adalah menghitung nilai F dengan membagi MSB dengan MSW:

F = MSB / MSW = 23.08 / 53.66 = 0.43

Langkah keenam adalah menentukan nilai p-value dengan menggunakan tabel

distribusi F dengan derajat kebebasan antar kelompok df1 = k-1 = 2 dan derajat
kebebasan dalam kelompok df2 = N-k = 12. Dari tabel distribusi F, dengan df1 = 2
dan df2 = 12, diperoleh nilai F kritis sebesar 3.89 pada tingkat signifikansi 0.05.
 Contoh soal

Dari hasil perhitungan, nilai F hitung (0.43) lebih kecil dari nilai F kritis
(3.89), sehingga tidak ada cukup bukti untuk menolak hipotesis nol.
Dengan demikian, dapat disimpulkan bahwa tidak terdapat perbedaan
signifikan antara rata-rata pengunjung pada ketiga cabang pada hari
Sabtu.
 05
Solving for angle
measures
You can enter a subtitle here if you need it
 06
Law of sines & law of
cosines

You can enter a subtitle here if you need it

Thankyou for watching