Analysis of Variance (ANOVA) Debrina Puspita Andriani /

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analysis of Variance (ANOVA) Debrina Puspita Andriani /"

Transkripsi

1 Analysis of Variance (ANOVA) 6 Debrina Puspita Andriani debrina.ub@gmail.com / debrina@ub.ac.id

2 Outline

3 Kegunaan ANOVA 3 Kontrol investigator 1 atau lebih variabel independen Disebut dgn faktor (atau variabel treatment) Tiap faktor mengandung atau lebih level (kategori / klasifikasi) Mengamati efek pada variabel dependen Merespon level pada variabel independen Perencanaan Eksperimen: perencanaan dengan menggunakan uji hipotesis Anova Anova 1 Arah Anova arah Tanpa Interaksi Dengan Interaksi

4 ANOVA 1 Arah (One-way ANOVA) Ukuran sampel sama banyak Ukuran sampel tidak sama banyak 4

5 ANOVA 1 Arah 5 Evaluasi perbedaan diantara 3 atau lebih mean (rata rata) populasi. Contoh: Tingkat kecelakaan pada shift 1, dan 3 Estimasi kilometer pemakaian 5 merk ban Asumsi: Populasi berdistribusi normal Populasi mempunyai variansi yang sama Sampelnya random dan independen Terdapat : 1 variabel tak bebas (dependen) 1 variabel bebas (independen) à Faktor

6 Hipotesis ANOVA 1 Arah 6 H = 0 : µ 1 = µ = µ 3 =! µ k Seluruh mean populasi adalah sama Tak ada efek treatment (tak ada keragaman mean dalam grup) H 1 :Tidak seluruhmean populasiadalahsama Minimal ada 1 mean populasi yang berbeda Terdapat sebuah efek treatment Tidak seluruh mean populasi berbeda (beberapa pasang mungkin sama)

7 Hipotesis ANOVA 1 Arah 7 H = 0 : µ 1 = µ = µ 3 =! µ k H 1 :Tidak seluruh µ i sama Kondisi 1 Semua mean bernilai sama Hipotesis nol adalah benar (Tak ada efek treatment) Kondisi Minimal ada 1 mean yg berbeda Hipotesis nol tidak benar (Terdapat efek treatment) or µ 1 = µ µ 3 µ = 1 = µ µ 3 µ 1 µ µ 3

8 Langkah-langkah ANOVA 1 Arah 8

9 Langkah-langkah ANOVA 1 Arah 9 1. Menentukan formulasi hipotesis H 0 : µ 1 = µ = µ 3 =... = µ k H 1 : µ 1 µ µ 3... µ k. Menentukan taraf nyata (α) beserta F tabel à Fα (ν 1 ;ν )=... Derajat pembilang (ν 1 ) = k - 1 Derajat penyebut (ν ) = k (n- 1) 3. Menentukan kriteria pengujian H 0 diterima jika F 0 Fα(ν 1 ;ν ) H 0 ditolak jika F 0 > Fα(ν 1 ;ν ) Daerah kritis penolakan H 0 Daerah penerimaan H 0 0 Do not Reject H 0 reject H 0 9

10 Langkah-langkah ANOVA 1 Arah Membuat analisis varians dalam bentuk tabel ANOVA Sumber Variasi Derajat bebas Jumlah Kuadrat Rata-rata kuadrat =Jmh kuadrat / derajat bebas F hit Rata-rata kolom ( k 1) JKK s 1 = JKK ( k 1) s 1 /s Eror k ( n 1) JKE Total ( nk 1) JKT s = JKE k( n -1)

11 Langkah-langkah ANOVA 1 Arah Membuat analisis varians dalam bentuk tabel ANOVA Untuk ukuran sampel yang sama banyak JKT k i= 1 n = j= 1 x ij T... nk Untuk ukuran sampel yang tidak sama banyak JKT k n = i= 1 j= 1 x ij T... N JKE = JKT - JKK k = kolom, n = baris JKE = JKT - JKK Derajat bebas error = N k N = jumlah sampel 5. Membuat kesimpulan Menyimpulkan H 0 diterima atau ditolak à langkah ke-4 VS langkah ke-3

12 Contoh 1 ANOVA 1 Arah: ukuran sampel sama banyak 1 Akan diuji apakah rata-rata jumlah produk yang dihasilkan/minggu dari 3 buah stasiun yang paralel adalah homogen? Diambil sampel random dari pengamatan 6 minggu untuk setiap stasiun kerja Minggu ke Stasiun kerja 1 (unit) Stasiun kerja (unit) Stasiun kerja 3 (unit) Var dependen : produk yg dihasilkan/minggu Var independen : stasiun kerja

13 Penyelesaian 1 ANOVA 1 Arah: ukuran sampel sama banyak 13 1 Formulasi Hipotesis H 0 : μ 1 =μ =.=μ i à Rata-rata perlakuan homogen (tidak ada pengaruh perlakukan atau tidak ada pengaruh variabel bebas terhadap variabel tak bebas) H 1 : tidak semua μ i sama à Rata-rata perlakuan tidak homogen (ada pengaruh perlakukan) Tingkat signifikansi uji : α % à Fα (ν 1 ;ν )= F 0,05;(;15) 3 Statistik uji yang digunakan : F hitung = JKK JKE db db = JKK ( k 1) JKE k( n 1) ~ F (k-1);k(n-1) Daerah kritis: F hitung > F α;(k-1);k(n-1)

14 Penyelesaian 1 ANOVA 1 Arah: ukuran sampel sama banyak 14 4 Tabel Analisis Variansi (ANOVA) Minggu ke S.kerja I S.kerja II S.kerja III Total Jumlah (X i ) Diketahui: N = 18 n = 6 k = 3 JKT k n i = i= 1 j= 1 X ij T N = ,056 = 1660,944 JKK = JKE = JKT JKK ,056 = 114,111 = 1660, ,111= 1546,833

15 Penyelesaian 1 ANOVA 1 Arah: ukuran sampel sama banyak 15 4 Tabel Analisis Variansi (ANOVA) Sumber Variasi Derajat bebas Jumlah Kuadrat Rata-rata kuadrat =Jmh kuadrat / derajat bebas F hit Rata-rata kolom ( k 1) JKK s 1 = JKK ( k 1) s 1 /s Eror k ( n 1) JKE Total ( nk 1) JKT s = JKE k( n -1) SUMBER VARIASI Kelas/perlakuan Derajat bebas Jumlah kuadrat (JK) Rata-rata kuadrat JKK 3-1= 114,111 s 1 = 57,055 JKE 3(6-1)= ,833 s = 103,1 TOTAL 18-1= ,944 F hitung F = 0,55

16 Penyelesaian 1 ANOVA 1 Arah: ukuran sampel sama banyak 16 5 Menarik Kesimpulan Tingkat signifikansi uji : α = 5 % Statistik uji yang digunakan F hitung ~ F 0,05;(;15) Daerah kritis : Jika F hitung > F 0,05;(;15) = 3,68 Kesimpulan : Karena F hitung = 0,55 < F 0,05;(;15) = 3,68 maka H 0 diterima, dimana rata-rata jumlah produk yang dihasilkan ketiga stasiun tiap minggunya homogen (sama) atau tidak ada pengaruh jenis stasiun kerja terhadap jumlah produksi/ minggu.

17 17 Contoh 1 ANOVA 1 Arah dengan Ms. Excel EXCEL: Tools >> data analysis >> ANOVA: single factor

18 Anova: Single Factor SUMMARY Groups Count Sum Average Variance Column Column Column ANOVA Source of Variation SS df MS F P-value F crit Between Groups Within Groups Total Contoh 1 ANOVA 1 Arah dengan Ms. Excel Output

19 Contoh ANOVA 1 Arah: ukuran sampel tidak sama banyak 19 Untuk menguji apakah operator yang berbeda akan mempengaruhi waktu proses (dalam menit) untuk membuat suatu produk, dilakukan pengamatan secara bersamaan terhadap 4 orang operator (A, B, C, D). Hasil pengamatannya. Berikut hasil pengamatannya waktu proses (dalam menit) Operator A Operator B Operator C Operator D Tingkat signifikansi uji : α = 5 %

20 Penyelesaian ANOVA 1 Arah: ukuran sampel tidak sama banyak 0 1 Formulasi Hipotesis H 0 : μ A =μ B =μ c =μ D à Rata-rata waktu proses keempat operator sama atau tidak ada pengaruh operator terhadap waktu proses H 1 : tidak semua μ i sama à Rata-rata waktu proses keempat operator tidak semua sama atau ada pengaruh operator terhadap waktu proses Tingkat signifikansi uji : α % à Fα (ν 1 ;ν ) 3 Statistik uji yang digunakan : F hitung ~ F 0,05;(3;0) Daerah kritis: Jika F hitung > F 0,05;(3;0) = 3,099 N-k

21 Penyelesaian 1 ANOVA 1 Arah: ukuran sampel tidak sama banyak 1 4 Tabel Analisis Variansi (ANOVA) Operator A Operator B Operator C Operator D n i N = 4 X i (total) T = 1539 X i (rata) 61 66, k n i i= 1 j= 1 X ij = JKT i = i= 1 j= 1 k n 44 JKK = 4 JKE X ij = JKT JKK T N = ,38 = 360, = 360,65 41,15 = 119, ,38 = 41,15

22 Penyelesaian ANOVA 1 Arah: ukuran sampel tidak sama banyak 4 Tabel Analisis Variansi (ANOVA) SUMBER VARIASI db Jumlah kuadrat (JK) Kelas/perlakuan Rata-rata kuadrat / kuadrat tengah F hitung JKK k-1= 3 41,15 s 1 = 80,375 JKE N-k= 0 119,5 s = 5,975 13,45 TOTAL N-1=3 360,65 5 Menarik Kesimpulan Kesimpulan : Karena F hitung = 13,45 > F 0,05;(3;0) = 3,099 maka H 0 ditolak, dimana rata-rata waktu proses keempat operator tidak semua sama atau ada pengaruh operator terhadap waktu proses

23 3 Contoh ANOVA 1 Arah dengan Ms. Excel EXCEL: Tools >> data analysis >> ANOVA: single factor

24 Anova: Single Factor SUMMARY Groups Count Sum Average Variance Column Column Column Column ANOVA Source of Variation SS df MS F P-value F crit Between Groups E Within Groups Total Contoh ANOVA 1 Arah dengan Ms. Excel Output

25 5 KEKUATAN HUBUNGAN ANTARA VARIABEL BEBAS DAN TAK BEBAS Kekuatan hubungan / asosiasi antara variabel x (perlakuan) dengan variabel y dalam sampel dinyatakan dalam ρ = JKK/JKT Contoh : untuk contoh 1 sebelumnya JKK ρ = JKT = 114, ,944 = 0,0687 = 6,87% à (ρ/100)% variasi yang terjadi dalam variabel y dari data sampel disebabkan oleh pengaruh variabel x (perlakuan)

26 ANOVA Arah (Two-way ANOVA) Tanpa interaksi Dengan Interaksi 6

27 7 ANOVA Arah à tanpa interaksi Hipotesis ANOVA arah yaitu pengujian hipotesis beda tiga rata-rata atau lebih dengan faktor yang berpengaruh (Interaksi antar faktor ditiadakan)

28 Langkah-langkah ANOVA Arah à Tanpa Interaksi 8 1. Menentukan formulasi hipotesis a. H 0 : α 1 = α = α 3 =... = α i = 0 (pengaruh baris nol) H 1 : sekurang-kurangnya satu α i tidak sama dengan nol. b. H 0 : β 1 = β = β 3 =... = β j = 0 (pengaruh kolom nol) H 1 : sekurang-kurangnya satu β j tidak sama dengan nol.. Menentukan taraf nyata (α) beserta F tabel à Fα (ν 1 ;ν )=... Untuk baris (ν 1 ) = b 1 à (ν ) = (k-1)(b-1) Untuk kolom (ν 1 ) = k 1 à (ν ) = (k-1)(b-1) 3. Menentukan kriteria pengujian H 0 diterima jika F 0 Fα(ν 1 ;ν ) H 0 ditolak jika F 0 > Fα(ν 1 ;ν ) Daerah penerimaan H 0 Daerah kritis penolakan H 0 0 Do not Reject H 0 reject H 0 8

29 Langkah-langkah ANOVA Arah à Tanpa Interaksi 9 4. Membuat analisis varians dalam bentuk tabel ANOVA f 1 =s 1 /s 3

30 Langkah-langkah ANOVA Arah à Tanpa Interaksi Membuat analisis varians dalam bentuk tabel ANOVA JKT = b i= 1 k j= 1 x ij - T... kb JKE = JKT - JKB - JKK 5. Membuat kesimpulan Menyimpulkan H 0 diterima atau ditolak à langkah ke-4 VS langkah ke-3

31 Contoh 3 ANOVA Arah: Tanpa Interaksi 31 Dari contoh 1, apabila minggu yang berbeda dicurigai akan memberikan hasil produksi yang berbeda à unit eksperimen dalam tiap stasiun kerja dibagi dalam minggu ( variabel bebas, yaitu: jenis stasiun kerja & minggu ke) Minggu ke Stasiun kerja I Stasiun kerja II Stasiun kerja III Jumlah (T i ) Jumlah (T j ) = T

32 Penyelesaian 3 ANOVA Arah: Tanpa Interaksi 3 1 Formulasi Hipotesis H 0 : α 1 = α = α 3 = α 4 = α 5 = α 6 = 0 (pengaruh baris nol => minggu pengerjaan tidak berpengaruh terhadap jumlah hasil produksi) H 1 : sekurang-kurangnya satu α i tidak sama dengan nol H 0 : β 1 = β = β 3 = 0 (pengaruh kolom nol => jenis stasiun kerja tidak berpengaruh terhadap jumlah hasil produksi) H 1 : sekurang-kurangnya satu β j tidak sama dengan nol Tingkat signifikansi uji : α % = 5% 3 Statistik uji yang digunakan : H 0 diterima jika F 0 Fα(ν 1 ;ν ) H 0 ditolak jika F 0 > Fα(ν 1 ;ν )

33 Penyelesaian 3 ANOVA Arah: Tanpa Interaksi 33 4 Tabel Analisis Variansi (ANOVA) k n i N = 18 x = 8001 T i= 1 j= 1 ij kb = = 78540, 06 JKT = k n i i= 1 j= 1 x ij T kb = ,06 = 1660,94 JKB = b Ti k i= 1 T - kb = ,06 = 1508,94 JKK = k T j T = ,06 = 114,11 n N 6 j= 1 JKE = JKT JKB JKK = 1660, ,94 114,11 = 37,89

34 Penyelesaian 3 ANOVA Arah: Tanpa Interaksi 34 4 Tabel Analisis Variansi (ANOVA) SUMBER VARIASI db Jumlah kuadrat (JK) - Rata-rata baris b - 1 = ,94 - Rata-rata kolom k - 1 = 114,11 - Kesalahan / error (k - 1)(b - 1) = 10 37,89 TOTAL kb - 1 = ,94 Rata-rata Kuadrat Fhitung s1 f1= s1 / s3 = JKB/db = 301,788 = 79,65 s f= s / s3 = JKK/db = 57,055 s3 = JKE/db = 3,789 = 15,06

35 Penyelesaian 3 ANOVA Arah: Tanpa Interaksi 35 5 Menarik Kesimpulan Karena F hitung (f 1 )= 79,65 > F 0,05;(5;10) = 3,33 maka H 0 ditolak, dimana ada pengaruh baris artinya rata-rata jumlah produk yang dihasilkan tiap minggunya untuk ketiga stasiun kerja tidak homogen (tidak sama) Karena F hitung (f )=15,06 > F 0,05;(;10) = 4,10 maka H 0 ditolak, dimana ada pengaruh kolom artinya rata-rata jumlah produk yang dihasilkan ketiga stasiun kerja tiap minggunya tidak homogen (tidak sama)

36 36 Contoh 3 ANOVA Arah dengan Ms. Excel EXCEL: Tools >> data analysis >> ANOVA: two factor without replication

37 Anova: Two-Factor Without Replication SUMMARY Count Sum Average Variance Row Row Row Row Row Row Column Column Column ANOVA ource of Variatio SS df MS F P-value F crit Rows E Columns Error Total Contoh 3 ANOVA Arah dengan Ms. Excel Output

38 38 ANOVA Arah à dengan interaksi Pengujian hipotesis Anova dua arah adalah pengujian beda tiga rata-rata atau lebih dengan faktor yang berpengaruh (Pengaruh interaksi kedua faktor tersebut diperhitungkan)

39 Langkah-langkah ANOVA Arah à Dengan Interaksi Menentukan formulasi hipotesis a. H 0 : α 1 = α = α 3 =... = α i = 0 (pengaruh baris nol) H 1 : sekurang-kurangnya satu α i tidak sama dengan nol. b. H 0 : β 1 = β = β 3 =... = β j = 0 (pengaruh kolom nol) H 1 : sekurang-kurangnya satu β j tidak sama dengan nol. c. H 0 : (αβ) 11 = (αβ) 1 = (αβ) 13 =... = (αβ) ij = 0 (pengaruh interaksi antara baris dan kolom nol) H 1 : sekurang-kurangnya satu (αβ) ij tidak sama dengan nol.. Menentukan taraf nyata (α) beserta F tabel à Fα (ν 1 ;ν )=... Untuk baris (ν 1 ) = b 1 à (ν ) = (kb)(n 1) Untuk kolom (ν 1 ) = k 1 à (ν ) = (kb)(n 1) Untuk interaksi: (ν 1 ) = (k 1)(b 1) à (ν ) = (kb)(n 1)

40 Langkah-langkah ANOVA Arah à Dengan Interaksi Menentukan kriteria pengujian Untuk baris, kolom dan untuk interaksi H 0 diterima jika F 0 Fα(ν 1 ;ν ) H 0 ditolak jika F 0 > Fα(ν 1 ;ν ) 4. Membuat analisis varians dalam bentuk tabel ANOVA

41 Langkah-langkah ANOVA Arah à Dengan Interaksi Membuat analisis varians dalam bentuk tabel ANOVA JKT b i= 1 k j= 1 n = c= 1 x ijc T... bkn + JKE = JKT - JKB - JKK - JKI 5. Membuat kesimpulan Menyimpulkan H 0 diterima atau ditolak à langkah ke-4 VS langkah ke-3

42 Contoh 4 ANOVA Arah: Dengan Interaksi Empat varietas padi hendak dibandingkan hasilnya (dalam kg) dengan memberikan pupuk. Percobaan dilakukan dengan menggunakan 8 petak yang seragam, masing-masing di 4 lokasi yang berbeda. Di setiap lokasi, dicobakan pada petak yang ditentukan secara acak. Hasilnya (dalam kg) per petak adalah sbb: Jenis pupuk P1 P P3 Varietas Padi V1 V V3 V Dengan taraf nyata 1%, ujilah hipotesis berikut ini! a. Tidak ada beda rata-rata hasil padi dg menggunakan ketiga jenis pupuk b. Tidak ada beda rata-rata hasil padi dg menggunakan keempat varietas padi c. Tidak ada interaksi antara jenis pupuk yang diberikan dg varietas padi yang digunakan 4

43 Penyelesaian 4 ANOVA Arah: Dengan Interaksi 43

44 Penyelesaian 4 ANOVA Arah: Dengan Interaksi 44 3 Statistik uji yang digunakan : a. H 0 diterima jika f 1 < F 0,01(;1) = 6,93 H 0 ditolak jika f 1 > F 0,01(6;1) = 6,93 b. H 0 diterima jika f < F 0,01(3;1) = 5,95 H 0 ditolak jika f > F 0,01(6;1) = 5,95 c. H 0 diterima jika f 3 < F 0,01(6;1) = 4,8 H 0 ditolak jika f 3 > F 0,01(6;1) = 4,8 4 Tabel Analisis Varians (ANOVA) Jenis Pupuk Varietas padi V1 V V3 V4 Total P P P Total

45 Penyelesaian 4 ANOVA Arah: Dengan Interaksi 45 4 Tabel Analisis Varians (ANOVA) = 88,8

46 Penyelesaian 4 ANOVA Arah: Dengan Interaksi 46 4 Tabel Analisis Varians (ANOVA) Sumber Varians Jumlah Kuadrat Derajat Bebas Rata-rata Kuadrat Rata-rata baris 589,7 94,9 f 1 =1,4 Rata-rata kolom 88,8 3 9,6 f =1,4 Interaksi 409,6 6 68,3 f 3 =,87 Error 85,5 1 3,8 Total 1.373,6 3 Fo

47 Penyelesaian 4 ANOVA Arah: Dengan Interaksi 47 5 Menarik Kesimpulan Karena f 1 =1,4 > F 0,01(;1) = 6,93, maka H 0 ditolak. Jadi ada perbedaan hasil rata-rata untuk pemberian ketiga jenis pupuk. Karena f =1,4 < F 0,01(3;1) = 5,95, maka H 0 diterima. Jadi tidak ada perbedaan hasil rata-rata untuk keempat varietas padi yang digunakan. Karena f 3 =,87 < F 0,01(6;1) = 4,8, maka H 0 diterima. Jadi tidak ada interaksi antara jenis pupuk yang diberikan dengan varietas padi yang digunakan.

PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH. Statistik Industri II Teknik Industri Universitas Brawijaya

PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH. Statistik Industri II Teknik Industri Universitas Brawijaya PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH Statistik Industri II Teknik Industri Universitas Brawijaya Pengujian Hipotesis 3 rata-rata atau lebih Dengan teknik ANOVA (Analisis Varians) Pengujian

Lebih terperinci

REGRESI LINIER BERGANDA. Debrina Puspita Andriani /

REGRESI LINIER BERGANDA. Debrina Puspita Andriani    / REGRESI LINIER BERGANDA 9 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline 03//04 Regresi Berganda : PENGERTIAN 3 Menguji hubungan linier antara variabel dependen (y) dan

Lebih terperinci

2) Ukuran Data Tidak Sama k n i T 2.. JKT = X 2 ij - i=1 j=1 N k JKK = T 2 i. T 2.. i=1 n i N JKG = JKT - JKK Sumber Jumlah db Kuadrat Tengah F. Hitun

2) Ukuran Data Tidak Sama k n i T 2.. JKT = X 2 ij - i=1 j=1 N k JKK = T 2 i. T 2.. i=1 n i N JKG = JKT - JKK Sumber Jumlah db Kuadrat Tengah F. Hitun MODUL DISTRIBUSI F (ANOVA) I. PENDAHULUAN Ditemukan oleh seorang ahli statistik yang bernama R.A. Fisher pada tahun 1920. Distribusi F/ANOVA adalah prosedur statistika untuk mengkaji (mendeterminasi) apakah

Lebih terperinci

Analisis Varian. Statistika Ekonomi. Ir Tito Adi Dewanto

Analisis Varian. Statistika Ekonomi. Ir Tito Adi Dewanto Analisis Varian Statistika Ekonomi Ir Tito Adi Dewanto 1 Uji Anova Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih berbeda secara signifikan atau tidak. ONE WAY ANOVA

Lebih terperinci

LAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama

LAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama 48 LAMPIRAN Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama No. ID Sapi... Selanjutnya Ke Tanggal Tanggal Kawin Pertama Jumlah Servis (Kali) Service Period Lama Kosong Selang 1 776 1 13/08/2009

Lebih terperinci

Analisis Varians Satu Arah (One Way Anova)

Analisis Varians Satu Arah (One Way Anova) Analisis Varians Satu Arah (One Way Anova) Fungsi Uji : Untuk mengetahui perbedaan antara 3 kelompok/ perlakuan atau lebih Asumsi : Data berskala minimal interval Data berdistribusi Normal Varians data

Lebih terperinci

MODUL DISTRIBUSI F (ANOVA)

MODUL DISTRIBUSI F (ANOVA) MODUL DISTRIBUSI F (ANOVA) Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi ANOVA Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi ANOVA I. PENDAHULUAN

Lebih terperinci

Regresi Linier Berganda

Regresi Linier Berganda Regresi Linier Berganda Regresi Berganda Contoh Menguji hubungan linier antara variabel dependen (y) dan atau lebih variabel independen (x n ) Hubungan antara suhu warehouse dan viskositas cat dengan jumlah

Lebih terperinci

ANALYSIS OF VARIANCE (ANOVA)

ANALYSIS OF VARIANCE (ANOVA) ANALYSIS OF VARIANCE (ANOVA) Pendahuluan ANOVA Uji dengan ANOVA Post hoc procedure Materi Kuliah PENDAHULUAN Jika uji t digunakan untuk membandingkan ratarata/parameter sampel ANOVA digunakan untuk membandingkan

Lebih terperinci

Modul 2017/2018 TUTORIAL SIMULASI KOMPUTER. Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia

Modul 2017/2018 TUTORIAL SIMULASI KOMPUTER. Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia TUTORIAL SIMULASI KOMPUTER 5 2017/2018 Modul DESAIN EKSPERIMENT & PEMILIHAN ALTERNATIF Laboratorium Pemodelan dan Simulasi Industri Universitas Islam Indonesia DAFTAR ISI 1. Tujuan Umum... 2 2. Desain

Lebih terperinci

RANCANGAN ACAK LENGKAP

RANCANGAN ACAK LENGKAP RANCANGAN ACAK LENGKAP Pengertian Merupakan jenis rancangan percobaan dimana perlakuan diberikan secara acak kepada seluruh unit percobaan. Hal ini dapat dilakukan karena lingkungan tempat percobaan diadakan

Lebih terperinci

PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian

PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian 1 2 PERENCANAAN (planning) suatu percobaan untuk memperoleh INFORMASI YANG RELEVAN dengan TUJUAN dari penelitian MENGAPA PERLU DIRANCANG? Untuk mendapatkan penduga yang tidak berbias Untuk meningkatkan

Lebih terperinci

LAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si

LAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si LAPORAN PRAKTIKUM STATISTIK ELEMENTER UJI ANALISIS VARIAN DUA ARAH (TWO WAY ANOVA) Dosen Pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN

Lebih terperinci

LAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si. Oleh Nurul Anggraeni Hidayati NIM.

LAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si. Oleh Nurul Anggraeni Hidayati NIM. LAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si Oleh Nurul Anggraeni Hidayati NIM. 14610002 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS

Lebih terperinci

Pertemuan Ke-12. Analysis of Varians (anova)_m. Jainuri, M.Pd

Pertemuan Ke-12. Analysis of Varians (anova)_m. Jainuri, M.Pd Pertemuan Ke-1 1 Pendahuluan Statistik parametrik yang digunakan untuk mencari perbedaan atau persamaan dua rata-rata adalah Uji-t, dan analysis of varians (anova/ anova) digunakan untuk mencari perbedaan

Lebih terperinci

Perbedaan Analisis Univariat dan Multivariat

Perbedaan Analisis Univariat dan Multivariat Perbedaan Analisis Univariat dan Multivariat Jika kita menganalisis data yang mempunyai lebih dari satu variabel, belum tentu analisis data tersebut dikategorikan analisis multivariat, bisa saja analisis

Lebih terperinci

PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN

PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN Kelompok 11 : Devita Arum S. 12110101015 Saiful Fadillah 12110101027 Wafiyatul Khusna 12110101047 Firstyan Puguh N.C. 12110101051

Lebih terperinci

A. PEMBAHASAN. 1. Anova Dua Arah

A. PEMBAHASAN. 1. Anova Dua Arah A. PEMBAHASAN 1. Anova Dua Arah Pengujian anova dua arah mempunyai beberapa asumsi diantaranya: 1. Populasi yang diuji berdistribusi normal, 2. Varians atau ragam dan populasi yang diuji sama, 3. Sampel

Lebih terperinci

TIN309 - Desain Eksperimen Materi #5 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #5 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN Materi #5 TIN3 DESAIN EKSPERIMEN ANOVA ANOVA pada dasarnya merupakan suatu metode yang menguraikan sumber keragaman (varian) dari suatu perbedaan rata-rata lebih dari dua populasi. Dengan mempergunakan

Lebih terperinci

Distribusi Probabilitas : Gamma & Eksponensial

Distribusi Probabilitas : Gamma & Eksponensial Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya

Lebih terperinci

Pengujian One-Way ANOVA dengan manual dan dilengkapi analisis dengan SPSS 19 SOWANTO-KEMPO ANALYSIS OF VARIANS (ANOVA)

Pengujian One-Way ANOVA dengan manual dan dilengkapi analisis dengan SPSS 19 SOWANTO-KEMPO ANALYSIS OF VARIANS (ANOVA) ANALYSIS OF VARIANS (ANOVA) A. Memahami ANOVA Analysis of variance (ANOVA) atau Analisis Variansi (ANAVA) adalah tehnik statistik yang dikembangkan dan diperkenalkan pertama kali oleh Sir. R. A. Fisher.

Lebih terperinci

ANALISIS VARIAN -YQ-

ANALISIS VARIAN -YQ- ANALISIS VARIAN -YQ- ANALISIS VARIANSI (ANAVA) Menguji kesamaan beberapa (lebih dari dua) rata-rata populasi sekaligus. suatu percobaan/penelitian yang dirancang dengan hanya melibatkan satu faktor dengan

Lebih terperinci

STATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani /

STATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani    / STATISTIK NON PARAMETRIK (2) 13 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Korelasi Urutan Spearman Statistik Non Parametrik 3 Uji Korelasi Urutan Spearman

Lebih terperinci

LAPORAN PRAKTIKUM I METODE STATISTIKA II PENGUJIAN HIPOTESIS INDEPENDENT DENGAN PENDEKATAN ANALISIS RAGAM

LAPORAN PRAKTIKUM I METODE STATISTIKA II PENGUJIAN HIPOTESIS INDEPENDENT DENGAN PENDEKATAN ANALISIS RAGAM LAPORAN PRAKTIKUM I METODE STATISTIKA II PENGUJIAN HIPOTESIS INDEPENDENT DENGAN PENDEKATAN ANALISIS RAGAM Oleh : Nama : Ivan Prima Harlis NIM : 125090501111017 Asisten I : Candra Dian F Asisten II : Putri

Lebih terperinci

PENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (3) 4 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Variansi/ Standard Deviasi 3 Uji Hipotesis untuk Variansi (1) 4 Data statistik

Lebih terperinci

Statistika Farmasi

Statistika Farmasi Bab 5: Statistika FMIPA Universitas Islam Indonesia Tabel One-Way Analysis of Variance atau dikenal dengan nama, merupakan suatu metode analisis data dari suatu rancangan percobaan, di mana tujuannya adalah

Lebih terperinci

Pendahuluan RRL Model Pengaruh Tetap Model Pengaruh Random

Pendahuluan RRL Model Pengaruh Tetap Model Pengaruh Random RANCANGAN RANDOM LENGKAP Pendahuluan RRL RRL atau Rancangan Random Lengkap merupakan rancangan di mana unit eksperimen yang dikenai perlakuan secara random dan menyeluruh lengkap untuk setiap perlakuan.

Lebih terperinci

Hipotesis adalah suatu pernyataan tentang parameter suatu populasi.

Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. PERTEMUAN 9-10 PENGUJIAN HIPOTESIS Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. Apa itu parameter? Parameter adalah ukuran-ukuran. Rata-rata penghasilan karyawan di kota binjai adalah

Lebih terperinci

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (1) 1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pengertian Pengujian Hipotesis (1) 3 BAHASA YUNANI HUPO Lemah, kurang, di bawah THESIS Teori,

Lebih terperinci

PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.

PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1)

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1) STK511 Analisis Statistika Pertemuan 7 ANOVA (1) Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data Dapat menciptakan jenis

Lebih terperinci

TIN309 - Desain Eksperimen Materi #6 Genap 2015/2016 TIN309 DESAIN EKSPERIMEN

TIN309 - Desain Eksperimen Materi #6 Genap 2015/2016 TIN309 DESAIN EKSPERIMEN Materi #6 TIN309 DESAIN EKSPERIMEN Desain Latin Squares 2 Digunakan untuk mengontrol atau mengeliminasi dua jenis faktor nuisance. Dibuat jika terdapat 3 faktor, yaitu: 1 faktor percobaan, dan 2 faktor

Lebih terperinci

Basic Design of Experiment. Dimas Yuwono W., ST., MT.

Basic Design of Experiment. Dimas Yuwono W., ST., MT. Basic Design of Experiment Dimas Yuwono W., ST., MT. RANCANGAN PERCOBAAN Desain eksperimen (rancangan percobaan) bertujuan untuk menentukan rencana pelaksanaan eksperimen yang tepat agar dapat memperoleh

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI 11 BAB III LANDASAN TEORI 3.1 Tinjauan Statistik 3.1.1 Analisis Deskriptif Analisis statistik deskriptif adalah suatu metode analisis yang merupakan teknik mengumpulkan, mengolah, menyederhanakan, menyajikan

Lebih terperinci

PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) PENGUJIAN HIPOTESIS PROSEDUR UMUM Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) misalnya: H 0 : µ = 100 H 1 : μ 100 atau H 1 : μ> 100 atau H 1 : μ< 100 PROSEDUR UMUM Langkah : tentukan

Lebih terperinci

STATISTIK PERTEMUAN XI

STATISTIK PERTEMUAN XI STATISTIK PERTEMUAN XI Topik Bahasan: Analisis Ragam (ANOVA) Universitas Gunadarma 1. Pendahuluan Metode hipotesis dengan menggunakan distribusi z dan distribusi t efektif untuk uji hipotesis tentang perbedaan

Lebih terperinci

MODUL II ANALYSIS OF VARIANCE (ANOVA)

MODUL II ANALYSIS OF VARIANCE (ANOVA) MODUL II ANALYSIS OF VARIANCE (ANOVA) TUJUAN 1. Mahasiswa mampu memahami uji hipotesis harga rata-rata multi populasi dengan menggunakan Analysis of Variance (ANOVA). 2. Mahasiswa mampu memahami penyelesaian

Lebih terperinci

Bahan Kuliah Statistik 2 ANALISIS VARIANS. Toto Sugiharto

Bahan Kuliah Statistik 2 ANALISIS VARIANS. Toto Sugiharto Bahan Kuliah Statistik ANALISIS VARIANS Toto Sugiharto Fakultas Ekonomi 009 Analisis Varians (Analysis of Variance) Analisis Varians Satu-Arah (One-Way Analysis of Variance ANOVA) Prosedur analisis varians

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA. 1.1 Latar Belakang

I. PENDAHULUAN II. TINJAUAN PUSTAKA. 1.1 Latar Belakang I. PENDAHULUAN 1.1 Latar Belakang Statistik sangat sering ditemui dalam kehidupan sehari-hari, tidak hanya dalam dunia pendidikan dan ilmu pengetahuan. Statistik inferensia salah satunya, merupakan satu

Lebih terperinci

UJI ANOVA. Imam Gunawan DISTRIBUSI F

UJI ANOVA. Imam Gunawan DISTRIBUSI F UJI ANOVA Imam Gunawan DISTRIBUSI F Ditribusi F memiliki ciri-ciri, yaitu: 1. Nilai F adalah nonnegatif.. Distribusi F merupakan distribusi kontinu. Nilainya mulai dari 0 dan tidak memiliki batas atas.

Lebih terperinci

Percobaan Rancangan Petak Terbagi dalam RAKL

Percobaan Rancangan Petak Terbagi dalam RAKL Percobaan Rancangan Petak Terbagi dalam RAKL Kuliah 12 Perancangan Percobaan (STK 222) rahmaanisa@apps.ipb.ac.id Review Kapan rancangan split-plot digunakan? Apakah perbedaan split-plot dibandingkan dengan

Lebih terperinci

BAB 2 TINJAUAN TEORI

BAB 2 TINJAUAN TEORI BAB 2 TINJAUAN TEORI 2.1 Rancangan Percobaan Percobaan didefinisikan sebagai suatu uji coba (trial) atau pengamatan khusus yang dibuat untuk menegaskan atau membuktikan keadaan dari sesuatu yang meragukan,

Lebih terperinci

BAB III METODOLOGI PENELITIAN. A. Tempat dan Waktu Penelitian

BAB III METODOLOGI PENELITIAN. A. Tempat dan Waktu Penelitian BAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian 1. Tempat Penelitian Penelitian ini dilakukan di Laboraturium Terapi latihan Mini hospital STIKES AIAI Cilacap.. Waktu Penelitian Penelitian

Lebih terperinci

PERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1

PERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1 PERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1 oleh: I Gde Ekaputra Gunartha 2 Pendahuluan Sering terjadi pada percobaan berfaktor, peneliti melibatkan aras Nol. Seperti pada kasus

Lebih terperinci

Pengacakan dan Tata Letak

Pengacakan dan Tata Letak Pengacakan dan Tata Letak 26 Pengacakan dan Tata Letak Pengacakan bisa dengan menggunakan Daftar Angka Acak, Undian, atau dengan perangkat komputer (bisa dilihat kembali pada pembahasan RAL/RAK/RBSL satu

Lebih terperinci

Rancangan Acak Lengkap. Created by : Ika Damayanti, S.Si, M.Si

Rancangan Acak Lengkap. Created by : Ika Damayanti, S.Si, M.Si Rancangan Acak Lengkap Created b : Ika Damaanti, S.Si, M.Si RAL (Rancangan Acak Lengkap) Desain dimana perlakuan dikenakan sepenuhna secara acak kepada unit- unit eksperimen. Desain ini dapat digunakan

Lebih terperinci

KORELASI LINIER BERGANDA

KORELASI LINIER BERGANDA KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline 3 Analisa Korelasi Untuk mengukur

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1. Objek Penelitian Penelitian ini bermaksud untuk mengetahui pengaruh penggunaan model Discovery Learning dan Ceramah tanya jawab terhadap keterampilan berpikir kreatif dalam

Lebih terperinci

Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS

Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS Oleh Nama : Eva Wahyu Hariyati NRP : 1308 030 003 Dosen Pembimbing : Dra. Lucia Aridinanti, MT Karakter FTI dan FMIPA yang berbeda Orientasi tiap jurusan

Lebih terperinci

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc ANOVA SATU ARAH Nucke Widowati Kusumo Proo, S.Si, M.Sc It s about: Ui rata-rata untuk lebih dari dua populasi Ui perbandingan ganda (ui Duncan & Tukey) Output SPSS PENDAHULUAN Ui hipotesis yang sudah kita

Lebih terperinci

Rancangan Petak Berjalur

Rancangan Petak Berjalur Rancangan Petak Berjalur Ade Setiawan 009 Nama lain untuk Rancangan Split-Blok adalah Strip-Plot atau Rancangan Petak-Berjalur (RPB. Rancangan ini sesuai untuk percobaan dua faktor dimana ketepatan pengaruh

Lebih terperinci

MAKALAH STATISTIKA LANJUT ANALISIS VARIAN DAN KOVARIAN

MAKALAH STATISTIKA LANJUT ANALISIS VARIAN DAN KOVARIAN MAKALAH STATISTIKA LANJUT ANALISIS VARIAN DAN KOVARIAN Dosen : Nani Mulyani Disusun oleh: 1. 2. 3. 4. Hendra Henda Ristanto Paulus Eko Dwiki Maxi Rianto Teuku M. Indra Purnama 201243502251 201243502273

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 9 ANOVA (3)

STK511 Analisis Statistika. Pertemuan 9 ANOVA (3) STK511 Analisis Statistika Pertemuan 9 ANOVA (3) 9. ANOVA (3) Diagnosis Asumsi dalam Uji Hipotesis 1. bersifat bebas terhadap sesamanya. Nilai harapan dari nol, E 0 3. Ragam homogen, Var 4. Pola sebaran

Lebih terperinci

Analisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1

Analisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1 Analisis of Varians (Anova) dan Chi-Square /6/00 Pengujian Hipotesis Chi Square Digunakan untuk menguji apakah dua atau lebih proporsi sama. Pengujian beda proporsi hanya untuk populasi namun chi square

Lebih terperinci

KORELASI LINIER BERGANDA. Debrina Puspita Andriani /

KORELASI LINIER BERGANDA. Debrina Puspita Andriani    / KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline 3 Korelasi Linear Berganda Alat ukur mengenai hubungan yang terjadi antara variabel terikat

Lebih terperinci

Rancangan Blok Terpisah (Split Blok)

Rancangan Blok Terpisah (Split Blok) Rancangan Blok Terpisah (Split Blok) KULIAH 13 PERANCANGAN PERCOBAAN (STK 222) rahmaanisa@apps.ac.id Rancangan Split Blok Kedua faktor merupakan petak utama Pengaruh yang ditekankan adalah pengaruh interaksi

Lebih terperinci

BAB VII Inferensi Statistik Dua Populasi Normal

BAB VII Inferensi Statistik Dua Populasi Normal BAB VII Inferensi Statistik Dua Populasi Normal Bab ini membahas inferensi statistik selisih dua mean dan perbandingan dua variansi populasi normal, berdasarkan dua sampel independen. Disamping itu juga

Lebih terperinci

BAB IV SIMULASI. 1643, data yang digunakan terlampir. Analisis data menggunakan SPSS versi

BAB IV SIMULASI. 1643, data yang digunakan terlampir. Analisis data menggunakan SPSS versi BAB IV SIMULASI Data yang dipakai adalah untuk skripsi ini adalah data fiktif sebanyak 643, data yang digunakan terlampir. Analisis data menggunakan SPSS versi.5. Misalkan ingin diketahui hubungan antara

Lebih terperinci

TUGAS STATISTIK MULTIVARIATE. Disusun oleh: Lina Dianati Fathimahhayati 10/306097/PTK/6867

TUGAS STATISTIK MULTIVARIATE. Disusun oleh: Lina Dianati Fathimahhayati 10/306097/PTK/6867 TUGAS STATISTIK MULTIVARIATE Disusun oleh: Lina Dianati Fathimahhayati 0/06097/PTK/6867 PROGRAM STUDI PASCASARJANA TEKNIK INDUSTRI JURUSAN TEKNIK MESIN DAN INDUSTRI FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Pada bab ini akan diuraikan hasil penelitian yang telah dilakukan di SMP

BAB IV HASIL DAN PEMBAHASAN. Pada bab ini akan diuraikan hasil penelitian yang telah dilakukan di SMP BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan diuraikan hasil penelitian yang telah dilakukan di SMP N 28 Padang, yang terdiri dari deskripsi data dan analisis data, penguraian hipotesis dan pembahasan

Lebih terperinci

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau

Lebih terperinci

KISI-KISI SOAL UJIAN AKHIR

KISI-KISI SOAL UJIAN AKHIR KISI-KISI SOAL UJIAN AKHIR Jurusan/Program Studi Mata Kuliah/Kode Mata Kuliah SKS/Semester Kurikulum yang diacu/dipergunakan Jumlah soal Bentuk soal : P.MIPA/Pendidikan Matematika : Pengolahan Data/GMA.206

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari pasti kita dihadapi oleh suatu pilihan dan masalah pengambilan keputusan. Salah satu ilmu yang dapat digunakan untuk membantu pengambilan keputusan

Lebih terperinci

Contoh Kasus Anova dua arah dengan interaksi:

Contoh Kasus Anova dua arah dengan interaksi: Contoh Kasus Anova dua arah dengan interaksi: Terdapat metode diet, 3 kelompok umur dan 3 ulangan. Berikut adalah data rata-rata penurunan berat badan setelah bulan melakukan diet. Ujilah apakah penurunan

Lebih terperinci

MODUL II ANALYSIS OF VARIANCE (ANOVA)

MODUL II ANALYSIS OF VARIANCE (ANOVA) MODUL II ANALYSIS OF VARIANCE (ANOVA) TUJUAN 1. Mahasiswa mampu memahami uji hipotesis harga rata-rata multi populasi dengan menggunakan Analysis of Variance (ANOVA). 2. Mahasiswa mampu memahami penyelesaian

Lebih terperinci

ANALYSIS OF VARIANCE

ANALYSIS OF VARIANCE ANALYSIS OF VARIANCE Analisis Varians adalah alat statistika yang digunakan untuk menguji perbedaan mean lebih dari dua populasi. Analisis varians mengguakan distribusi F, yang mempunyai ciri-ciri: Merupakan

Lebih terperinci

PENGUJIAN HIPOTESIS (3)

PENGUJIAN HIPOTESIS (3) PENGUJIAN HIPOTESIS (3) 3 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Proporsi 3 Uji Hipotesis

Lebih terperinci

Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.

Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc. Rancangan Acak Lengkap (RAL) RAL merupakan rancangan paling sederhana di antara rancangan-rancangan percobaan baku.

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Perancangan Percobaan Ade Setiawan 009 Faktorial Faktor Pengertian dasar Faktor Taraf Perlakuan (Treatment) Respons Layout Percobaan & Pengacakan Penyusunan Data Analisis Ragam Perbandingan Rataan Ade

Lebih terperinci

III OBJEK DAN METODE PENELITIAN. Objek penelitian ini menggunakan catatan reproduksi sapi FH impor

III OBJEK DAN METODE PENELITIAN. Objek penelitian ini menggunakan catatan reproduksi sapi FH impor III OBJEK DAN METODE PENELITIAN 2.1. Objek dan Peralatan Penelitian 2.1.1. Objek Penelitian Objek penelitian ini menggunakan catatan reproduksi sapi FH impor periode pertama tahun 2009. Sapi yang diamati

Lebih terperinci

MK. Statistik sosial

MK. Statistik sosial MK. Statistik sosial Digunakan untuk membandingkan rata- rata LEBIH dari dua sampel variabel Independen (Contoh : rata- rata lama TV di tonton oleh anak- anak dari beberapa negara : Australia, Inggris,

Lebih terperinci

Pengaruh Tekanan dan Diameter Front Top Roller Mesin Ring Spinning Terhadap Ketidakrataan Benang

Pengaruh Tekanan dan Diameter Front Top Roller Mesin Ring Spinning Terhadap Ketidakrataan Benang Pengaruh Tekanan dan Diameter Front Top Roller Mesin Ring Spinning Terhadap Ketidakrataan Benang Giyanto, Indrato Harsadi Fakultas Teknik, Program Studi Teknik Industri Universitas Islam Syekh Yusuf Jalan

Lebih terperinci

pernyataan mengenai sesuatu yang harus diuji kebenarannya Hipotesis statistik adalah suatu pernyataan yang menyatakan harga sebuah/beberapa parameter

pernyataan mengenai sesuatu yang harus diuji kebenarannya Hipotesis statistik adalah suatu pernyataan yang menyatakan harga sebuah/beberapa parameter TEST HIPOTESIS pernyataan mengenai sesuatu yang harus diuji kebenarannya Hipotesis statistik adalah suatu pernyataan yang menyatakan harga sebuah/beberapa parameter atau pernyataan yang menyatakan bentuk

Lebih terperinci

Bab V. Rancangan Bujur Sangkar Latin

Bab V. Rancangan Bujur Sangkar Latin Bab V. Rancangan Bujur Sangkar Latin Rancangan yang mengelompokkan perlakuan perlakuannya dlm cara yaitu berdasarkan baris dan kolom. Jumlah ulangan harus sama dengan jumlah perlakuan Merupakan keterbatasan

Lebih terperinci

UJI HOMOGENITAS. Pada dasarnya uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih

UJI HOMOGENITAS. Pada dasarnya uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih UJI HOMOGENITAS Pada dasarnya uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi yang memiliki variansi yang sama. Uji homogenitas terbagi

Lebih terperinci

Langkah-Langkah Perhitungan Berikut diberikan data penjualan mobil Bima selama tahun 2000:

Langkah-Langkah Perhitungan Berikut diberikan data penjualan mobil Bima selama tahun 2000: BAB 1 STATISTIK DESKRIPTIF Statistik deskriptif lebih berhubungan dengan pengumpulan dan peringkatan data, serta penyajian hasil peringkasan tersebut. Data statistik yang bisa diperoleh dari hasil sensus,

Lebih terperinci

Komang Suardika, S.Pd (Pendidikan Fisika, Undiksha) 2013

Komang Suardika, S.Pd (Pendidikan Fisika, Undiksha) 2013 Komang Suardika, S.Pd (Pendidikan isika, Undiksha) 013 Anova Satu Jalur (One Way Anova) Suatu penelitian dilakukan di SMA N 1 Banjar untuk mengetahui perbedaan rata-rata dengan lima metode pembelajaran

Lebih terperinci

BAB III METODOLOGI PENELITIAN. dengan upaya kontrol yang ketat terhadap faktor-faktor luar, serta melibatkan

BAB III METODOLOGI PENELITIAN. dengan upaya kontrol yang ketat terhadap faktor-faktor luar, serta melibatkan 31 BAB III METODOLOGI PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah penelitian eksperimen, yaitu penelitian yang didalamnya melibatkan manipulasi terhadap kondisi subjek yang diteliti, disertai

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Perancangan Percobaan Rancangan lingkungan: Rancangan Acak Lengkap (RAL), (RAK) dan Rancangan Bujur Sangkar Latin (RBSL), Lattice. Ade Setiawan 009 RAL Ade Setiawan 009 Latar Belakang RAK 3 Perlakuan Sama

Lebih terperinci

Analisis Variansi. Statistika I (Inferensi)

Analisis Variansi. Statistika I (Inferensi) Analisis Variansi Statistika I (Inferensi) 1 Analisis Variansi Analisa variansi (ANOVA) adalah suatu metoda untuk menguji hipotesis kesamaan rata-rata dari tiga atau lebih populasi. Asumsi Sampel diambil

Lebih terperinci

ANALISIS DATA KOMPARATIF (Anova)

ANALISIS DATA KOMPARATIF (Anova) PERTEMUAN KE-11 Ringkasan Materi: ANALISIS DATA KOMPARATIF (ANOVA) ANALISIS DATA KOMPARATIF (Anova) Jika uji kesamaan dua rata-rata atau uji-t digunakan untuk mencari perbedaan atau persamaan dua rata-rata,

Lebih terperinci

Status Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1

Status Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1 UGAS MODEL LINEAR Dosen: Dr. Purhadi, M.Sc Kasus: Menurut hasil penelitian, terdapat perbedaan ukuran (size) rumah tangga antara pedesaan dan perkotaan. Selain itu, pendidikan ibu turut andil dalam menentukan

Lebih terperinci

To test the significant effect of two independent variables to one dependent variable, and to test the significant interaction of the two independent

To test the significant effect of two independent variables to one dependent variable, and to test the significant interaction of the two independent TWO-WAY ANOVA To test the significant effect of two independent variables to one dependent variable, and to test the significant interaction of the two independent variables to the dependent variable.

Lebih terperinci

ANALISIS VARIANSI DUA JALAN

ANALISIS VARIANSI DUA JALAN ANALISIS VARIANSI DUA JALAN Untuk menguji signifikansi efek DUA variabel bebas terhadap SATU variabel terikat, dan untuk menguji signifikansi INTERAKSI kedua variabel bebas terhadap variabel terikat. Kedua

Lebih terperinci

RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN

RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 007 1. PENDAHULUAN 1 Pada suatu

Lebih terperinci

BAB II TINJAUAN PUSTAKA. nonparametrik, pengujian hipotesis, One-Way Layout, dan pengujian untuk lebih dari

BAB II TINJAUAN PUSTAKA. nonparametrik, pengujian hipotesis, One-Way Layout, dan pengujian untuk lebih dari BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Untuk melakukan pembahasan mengenai materi di skripsi ini, diperlukan teoriteori yang mendukung. Pada bab ini akan diuraikan beberapa teori yang mendukung penulisan

Lebih terperinci

ANALISIS RAGAM KLASIFIKASI 2 ARAH. b. Mengetahui perbedaan keragaman disebabkan perbedaan antarkolom. Kolom 1 2. j. c. Nilai rata I... R..

ANALISIS RAGAM KLASIFIKASI 2 ARAH. b. Mengetahui perbedaan keragaman disebabkan perbedaan antarkolom. Kolom 1 2. j. c. Nilai rata I... R.. ANALISIS RAGAM KLASIFIKASI 2 ARAH 1) Analisis Ragam Klasifikasi Dua Arah Analisis ragam klasifikasi dua arah adalah analisis ragam klasifikasi pengamatan yang berdasarkan dua kriteria Dalam analisis ini

Lebih terperinci

BAB III METODOLOGI PENELITIAN. A. Tempat Dan Waktu Penelitian. Penelitian ini dilaksanakan di Laboratorium Mini Hospital STIKes Al-Irsyad

BAB III METODOLOGI PENELITIAN. A. Tempat Dan Waktu Penelitian. Penelitian ini dilaksanakan di Laboratorium Mini Hospital STIKes Al-Irsyad 57 A III METODOLOGI PEELITIA A. Tempat Dan Waktu Penelitian 1. Tempat Penelitian Penelitian ini dilaksanakan di Laboratorium Mini Hospital STIKes Al-Irsyad Cilacap sebagai tempat praktek mahasiswa dan

Lebih terperinci

Analisis Korelasi & Regresi

Analisis Korelasi & Regresi Analisis Korelasi & Regresi Oleh: Ki Hariyadi,, S.Si., M.PH Nuryadi, S.Pd.Si UIN JOGJAKARTA 1 Pokok Bahasan Analisis Korelasi Uji Kemaknaan terhadap ρ (rho) Analisis Regresi Linier Analisis Kemaknaan terhadap

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Perancangan Percobaan Ade Setiawan 009 Review RAL: Satuan percobaan homogen Keragaman Respons disebabkan pengaruh perlakuan RAK: Satuan percobaan heterogen Keragaman Respons disebabkan pengaruh Perlakuan

Lebih terperinci

III. BAHAN DAN METODE. Peternakan Universitas Islam Negeri Sultan Syarif Kasim Riau Pekanbaru, pada

III. BAHAN DAN METODE. Peternakan Universitas Islam Negeri Sultan Syarif Kasim Riau Pekanbaru, pada III. BAHAN DAN METODE 3.1 Waktu dan tempat penelitian Penelitian ini telah dilaksanakan di lahan percobaan Fakultas Pertanian dan Peternakan Universitas Islam Negeri Sultan Syarif Kasim Riau Pekanbaru,

Lebih terperinci

BAB 7 APLIKASI RANCANGAN PETAK TERPISAH

BAB 7 APLIKASI RANCANGAN PETAK TERPISAH BAB 7 APLIKASI RANCANGAN PETAK TERPISAH Rancangan split plot design atau dalam bahasa Indonesia disebut Rancangan Petak Terpisah atau Rancangan Petak Terbagi (RPT) merupakan jenis percobaan faktorial (lebih

Lebih terperinci

Analisis Data kategorik tidak berpasangan skala pengukuran numerik

Analisis Data kategorik tidak berpasangan skala pengukuran numerik Analisis Data kategorik tidak berpasangan skala pengukuran numerik Uji t dengan 2 kelompok Uji t Tidak Berpasangan Uji t dikembangkan oleh William Sealy Gosset. Dalam artikel publikasinya, ia menggunakan

Lebih terperinci

Analysis of Variance SUNU WIBIRAMA

Analysis of Variance SUNU WIBIRAMA Analysis of Variance SUNU WIBIRAMA Basic Probability and Statistics Department of Electrical Engineering and Information Technology Faculty of Engineering, Universitas Gadjah Mada Latar belakang perlunya

Lebih terperinci

BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR

BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR BAB 4. APLIKASI RANCANGAN ACAK LENGKAP DUA FAKTOR Sebagaimana telah dijelaskan pada bab sebelumnya bahwa Metode Rancangan Acak Lengkap (RAL) umumnya dipakai pada kondisi lingkungan yang homogen diantaranya

Lebih terperinci

Uji chi-kuadrat merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi (selanjutnya disebut dengan

Uji chi-kuadrat merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi (selanjutnya disebut dengan Uji chi-kuadrat merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi (selanjutnya disebut dengan frekuensi observasi, dilambangkan dengan fo ) dengan frekuensi

Lebih terperinci

Distribusi Sampling 6.2. Debrina Puspita Andriani /

Distribusi Sampling 6.2. Debrina Puspita Andriani    / 6. Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Pengertian dan Konsep Dasar Distribusi Sampling Distribusi Sampling Mean Distribusi Sampling Proporsi Distribusi Sampling

Lebih terperinci

MEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 2016 (http://file.upi.edu/dosen)

MEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 2016 (http://file.upi.edu/dosen) MEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 016 (http://file.upi.edu/dosen) 1. Pendahuluan Analisis varians penting dipahami karena melalui analisis

Lebih terperinci

ANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN

ANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN ANALISIS RANCANGAN BUJUR SANGKAR GRAECO LATIN SKRIPSI Disusun Oleh: YUYUN NAIFULAR J2E009052 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG 2013 ANALISIS RANCANGAN BUJUR

Lebih terperinci

MAKALAH ANOVA SATU JALUR SERTA UJI LANJUT

MAKALAH ANOVA SATU JALUR SERTA UJI LANJUT MAKALAH ANOVA SATU JALUR SERTA UJI LANJUT Disusun Oleh: -Sesi Winarni (06081281419036) -Monalisa (06081381419044) -Sri Utami (06081381419058) Dosen Pengampu: Prof. Dr. Ratu Ilma Indra Putri, M.Si FAKULTAS

Lebih terperinci