Anova (analysis of varian)

dokumen-dokumen yang mirip
Perluasan Uji Kruskal Wallis untuk Data Multivariat

LAMPIRAN. Lampiran 1. Syarat Mutu Biskuit (SNI, 1992)

Chapter 7 Student Lecture Notes 7-1

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

MODUL PRAKTIKUM Statistik Inferens (MIK 411)

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

TUGAS ANALISIS REGRESI (HALAMAN

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi

Distribusi Sampel Sampling Distribution

Gambar 3.1Single Channel Multiple Phase

MANAJEMEN RISIKO INVESTASI

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

Bab 6: Analisa Spektrum

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BAB III METODE PENELITIAN

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

KUESIONER TENTANG KUALITAS PELAYANAN CUSTOMER SERVICE TERHADAP KEPUASAN PELANGGAN PT ACW INDONESIA

1. Uji Dua Pihak. mis. Contoh :

Analisa Data Statistik. Ratih Setyaningrum, MT

BAB 6: ESTIMASI PARAMETER (2)

STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

ANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI

3/27/2013. Ali Muhson, M.Pd. Jenisnya. Uji Beda Rata-rata. Uji z Uji t. Uji Beda Proporsi. Uji z. (c) 2013 by Ali Muhson 2

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University

FORMULIR UJI DAYA TERIMA. Nama Ibu :... Umur :... Nama Balita :... Jenis Kelamin :...

BAB 7 PEN P GUJ GU IAN HIPO P T O ES T A

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

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi

PENGUJIAN HIPOTESA BAB 7

ANALISIS VARIANSI (ANOVA)

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

REGRESI DAN KORELASI SEDERHANA

BAB III METODE PENELITIAN

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

PERTEMUAN 1-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

BAB IV HASIL PENELITIAN

PENGOLAHAN SINYAL DIGITAL. Modul 5. Sistem Waktu Diskret dan Aplikasi TZ

Keterangan Jawaban. Tingkat Penelitian Sangat Setuju (SS) 5 Setuju (S) 4 Ragu-Ragu(R) 3 Tidak Setuju (TS) 2 Sangat Tidak Setuju (STS) 1

IV. METODE PENELITIAN

BAB III METODOLOGI PENELITIAN

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi

Pengenalan Pola. Regresi Linier

MAKALAH STATISTIKA MATEMATIKA 2 REGRESI LINEAR BERGANDA

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

PERTEMUAN 4-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas

ANAVA 2 Jalan. Jumlah sampel dalam sel tak sama

PENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA

Prosiding Statistika ISSN:

A. PENGERTIAN DISPERSI

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit

BAB V ANALISA PEMECAHAN MASALAH

BAB III METODE PENELITIAN

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

REGRESI LINIER SEDERHANA

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

REGRESI LINIER GANDA

PENGANTAR MODEL LINEAR Oleh: Suryana

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE

Pengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007

Mata Kuliah: Statistik Inferensial

Statistika Inferensial

MACAM-MACAM TEKNIK MEMBILANG

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

FORMULIR UJI DAYA TERIMA

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Mengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial

BAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian Penelitian dilakukan di SMA Negeri 1 Ngemplak.Sekolah ini beralamatkan di jalan

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

BAB IV PEMECAHAN MASALAH

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

Projek. Contoh Menemukan Konsep Barisan dan Deret Geometri a. Barisan Geometri. Perhatikan barisan bilangan 2, 4, 8, 16,

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN

BAB III METODOLOGI PENELITIAN

Analisis Varians = Analysis of Variance = ANOVA

Makalah ANALISIS REGRESI DAN REGRESI GANDA

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

BAB III METODOLOGI PENELITIAN. deskriptif kuantitatif bertujuan untuk menjelaskan hasil penelitian yang disajikan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,

Statistika Inferensia (Bahan Non Parametrik utk MKM) Oleh Bambang Juanda. Pengujian Hipotesis Untuk Data Kategori

REGRESI DAN KORELASI

1. SOAL MID. Jawaban Soal 1. NAMA-NAMA VARIABEL

BAB III METODOLOGI PENELITIAN

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

ANAVA 2 Jalan. Jumlah sampel dalam sel tak sama

Transkripsi:

ova (aalysis of varia) Ui hipotesis perbedaa ilai rata-rata dari atau lebih elompo idepede Cotoh: daah perbedaa berat bayi lahir dari eluarga E tiggi dega E sedag atau E redah sumsi Ui ova: 1. ube diambil secara radom dari populasi. Varia semua populasi adalah sama. Populasi terdistribusi secara ormal 4. Error adalah idepede da terdistribusi sec. ormal H o : (emua adalah sama) 1 H : (Tida semua sama) atau etidaya salah satu dari i berbeda dega laiya Dept. iostatistics FKM UI, 006 1 Dept. iostatistics FKM UI, 006 Page PROEDUR UJI : 1. H o : (emua adalah sama) 1 Ha: (Tida semua adalah sama). Tetua tigat epercayaa (dega tertetu). Test tatisti: Ui-F-ova 4. rea peolaa: Ho ditola ia F hitug > F tabel (; 1=-1; =-) atau p-value < 5. Keputusa: Ho ditola atau gagal ditola 6. Kesimpula: Ho gatol Ho: emua sama. Ho ditola Ha: Tida semua adalah sama/ miimal salah satu berbeda dega laiya MODEL UJI : x i = ilai suatu arateristi di populasi = populasi (ostata yag td dietahui) = Efe dari treatmet/perbedaa ategori (Variace etwee Groups) e i = Residual/Error sbg efe dari selai treatmet (Variace Withi Groups) e i i Dept. iostatistics FKM UI, 006 Page Dept. iostatistics FKM UI, 006 Page 4 Data Lay-out: (perhituga ) Treatmet- Treatmet-. Treatmet- Total x 11 1. x 1 x 1. x x 1. x x i x i. =. = = = =. = = = =. = = x = x. = x = ( )= () = Keteraga: i = ilai observasi pada sampel e-i s/d - pada elompo e- s/d - = Jumlah sampel pada elompo e- s/d - ( = umlah treatmet/elompo) = Jumlah sampel eseluruha (Total observasi) = mea tiap elompo (dari s/d ) = mea eseluruha (grad mea) = D tiap elompo (dari s/d ) x = Jumlah dari ilai observasi pada elompo - s/d () = Jumlah dari ilai semua observasi ( )= Jumlah dari ilai uadrat semua observasi Dept. iostatistics FKM UI, 006 Page 5 Dept. iostatistics FKM UI, 006 Page 6 1

ova Lay-out: ource of variatio Rumus-1: ums of quares Df quares etwee -1 M = /-1 M /M w Withi W - M w = w /- Total T -1... x x x x F ( 1).... ( 1). w Grad mea Rumus Grad & Varia Varia betwe: (M ) Varia withi (M w ) { 1x1 x... x} xˆ... 1 { 1 ( x1 x) ( x x)... ( x x) } 1 { s ( 1) s ( 1)... s ( 1)} 1 1 W Dept. iostatistics FKM UI, 006 Page 7 Dept. iostatistics FKM UI, 006 Page 8 ova Lay-out: ova Lay-out: ource of variatio ums of quares Df quares F ource of variatio ums of quares Df quares F Rumus-: etwee 1 M = /-1 M /M w Withi W M w = w /- Total T - 1 ( ) i T i Dept. iostatistics FKM UI, 006 Page 9 Rumus-: etwee - 1 M = /-1 M /M w Withi W - M w = w /- Total T - 1... T Dept. iostatistics FKM UI, 006 Page 10 w T Cotoh pliasi Lama tuggu (meit) P.Dalam Total 10 5 8 9 8 7 7 8 8 9 5 7 10 7 6 9 6 9 8 6 8 9 8 9 8 6 10 7 6 5 10 10 10 mea 8.6 6.5 7.7 7.6 sd 1.1 1. 1.5 x 86 65 77 8 x 750 45 61 1798 Dept. iostatistics FKM UI, 006 Page 11 1. Ho: Ha:. Ui- Rumus-: Cotoh pliasi... T Dept. iostatistics FKM UI, 006 Page 1 w T

ova Lay-out: ource of ums of variatio quares Total 66. 9 F tabel = - = 0.05 - umerator = 1 = 1 = - Deomiator = = 0 = 7 (deat 0) F tabel = atara.40 dega. (atau F tabel =.6) Keputusa: Ho ditola area F hitug > F tabel Df ilai-p = - F = 6,97 (erisar 6,4 8,8) - ilai-p = (erisar 0,005 0,001) - ilai-p < alpha (5%) Ho ditola quares F (hitug) etwee. 11.1 6.97 Withi 44.1 7 1.6 Dept. iostatistics FKM UI, 006 Page 1 Multiple Compariso Dega ui saa ita belum tahu elompo maa yag berbeda, apaah 1 dg, 1 dg, atau dg Utu meawab pertayaa ii ita harus melaua ui badig gada (multiple compariso test) alah satu metodeya adalah the Least igificat Differece (LD) Ho ditola ia: ' t ( /, ). Mw Dept. iostatistics FKM UI, 006 Page 14 lama_tuggu Total Descriptives Multiple Compariso td. Deviatio td. Error 10 8.6000 1.07497 LD.99 10 6.5000 1.17851.768 10 7.7000 1.4944.4758 um of qua res Multiple Comparisos Depedet Variable: lama_tuggu 0 7.6000 1.4994 (I) Ruag.776 (J) Ruag quare F ig. etwee Groups.00 11.100 6.970.004 Differece (I-J) td. Error ig..10000*.5647.001.90000.5647.1 -.10000*.5647.001-1.0000*.5647.04 -.90000.5647.1 1.0000*.5647.04 *. The mea differece is sigificat at the.05 level. Ui F-rasio = Perbadiga variasi atar group (betwee group) dega variasi di dalam group (withi group) Jia rasio tsb besar, berarti variasi yag teradi adalah aibat dari perbedaa treatme/elompo Jia rasio tsb ecil, berarti variasi yag teradi hayalah aibat perbedaa atar idividu erapa rasio yag disebut besar? Tergatug dari deraat emaaa (alpha) yag dapat diterima Withi Groups 4.000 7 1.59 Total 65.00 9 Dept. iostatistics FKM UI, 006 Page 15 Dept. iostatistics FKM UI, 006 Page 16 Output omputer Withi Group Variace VR0000 etwee Groups Withi Groups Total um of quares quar F ig..00 11.100 6.970.004 4.000 7 1.59 65.00 9 Peyait Dalam Observasi (Observasi-rata-rata) (Observasi-rata-rata) 10 1.4 1.96 7-1.6.56 10 1.4 1.96 8-0.6 0.6 8-0.6 0.6 7-1.6.56 Jumlah 0 10.4 um of square withi group Dept. iostatistics FKM UI, 006 Page 17 Dept. iostatistics FKM UI, 006 Page 18

Withi Group Variace Withi Group Variace Observasi (Observasi-rata-rata) (Observasi-rata-rata) 5-1.5.5 8 1.5.5 8 1.5.5 5-1.5.5 7 0.5 0.5 6-0.5 0.5 6-0.5 0.5 8 1.5.5 6-0.5 0.5 6-0.5 0.5 0 1.5 Observasi (Observasi-rata-rata) (Observasi-rata-rata) 7-0.7 0.49 7-0.7 0.49 6-1.7.89 9 1. 1.69 9 1. 1.69 10. 5.9 5 -.7 7.9 0 0.1 Dept. iostatistics FKM UI, 006 Page 19 Dept. iostatistics FKM UI, 006 Page 0 um of square withi group W Pey. Dalam = 10,4 W = 1,5 W = 0,1 W etiga elompo: 10,4+1,5+0,1 = 4,0 Rata-rata deviasi uadrat pd elompo: 4,0/((10-1)+(10-1)+(10-1))=1,591))=1,59 etwee of group Variace etwee of Variace ( x x ) of square withi group Dept. iostatistics FKM UI, 006 Page 1 Dept. iostatistics FKM UI, 006 Page etwee group variace etwee group variace Peyait Dalam (Rata-rata pd el. - (Rata-rata pd el. - Observasi (Observasi-rata-rata) Rata-rata semua el.) Rata-rata semua el.) 10 1.4 1 1 7-1.6 1 1 10 1.4 1 1 8-0.6 1 1 8-0.6 1 1 7-1.6 1 1 Jumlah 0 10 (Rata-rata pd el. - (Rata-rata pd el. - Observasi Rata-rata semua el.) Rata-rata semua el.) 5-1.1 1.1 8-1.1 1.1 8-1.1 1.1 5-1.1 1.1 7-1.1 1.1 6-1.1 1.1 6-1.1 1.1 8-1.1 1.1 6-1.1 1.1 6-1.1 1.1 0 1.1 Dept. iostatistics FKM UI, 006 Page Dept. iostatistics FKM UI, 006 Page 4 4

etwee group variace (Rata-rata pd el. - (Rata-rata pd el. - Observasi Rata-rata semua el.) Rata-rata semua el.) 7 0.1 0.01 7 0.1 0.01 6 0.1 0.01 9 0.1 0.01 9 0.1 0.01 10 0.1 0.01 5 0.1 0.01 0.1 Dept. iostatistics FKM UI, 006 Page 5 um of square withi group Pey. Dalam = 10,0 = 1,1 = 0,1 etiga elompo: 10,0+1,1+0,1 =, Rata-rata deviasi uadrat pd elompo:,/( el. -1) = 11,1 of square betwee group Dept. iostatistics FKM UI, 006 Page 6 Variace ETWEE & WITHI GROUP Variace etwee Groups dimaa x x Variace Withi Groups W W dimaa w ( ) w ( x x ) Total sum of squares T ( x x ) F W Dept. iostatistics FKM UI, 006 Page 7 Dept. iostatistics FKM UI, 006 Page 8 5