Page 1
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik berhubungan dengan penyajian dan penafsiran kemungkinan dari hasil
yang muncul dalam suatu pengamatan atau percobaan. Penafsiran tersebut dapat
membuat keputusan yang dapat diterima berdasarkan analisis. Dalam pengertian yang
lebih sempit, statistik digunakan untuk menyatakan data tersebut atau bilangan-bilangan
yang diturunkan dari data, misalnya rata-rata.
Anova merupakan suatu teknik untuk menguji kesamaan beberapa rata-rata secara
sekaligus. Uji yang dipergunakan dalam anova adalah uji F karena dipakai untuk
pengujian lebih dan 2 sampel. Anova terdiri atas dua metode, yaitu metode satu arah
dan dua arah. Metode anova satu arah dapat digunakan untuk mencari nilai rata-rata
pemakaian suatu barang atau jasa, bisa juga untuk mengukur rata atau tidaknya
produksi yang berlangsung pada satu bagian. Dalam anova satu arah ini terbagi menjadi
dua bagian perhitungan, yaitu perhitungan dengan jumlah sampel yang sama banyak
dan jumlah sampel yang berbeda.
Penerapan anova satu arah dalam dunia industri dapat digunakan seperti untuk
melakukan pengujian terhadap kumpulan hasil pengamatan mengenai suatu hal missal
hasil penjualan produk, hasil produksi produk, gaji pekerja di suatu perusahaan yang
memiliki nilai bervariasi antara satu dengan yang lainnya. Oleh karena itu maka
dibuatlah laporan Praktikum Statistika Industri dengan judul modul analisis variansi.
1.2 Tujuan Praktikum
1. Praktikan mampu melakukan analisis variansi sebagai analisa statistik untuk
data yang sesuai
2. Praktikan diharapkan mampu membedakan karakteristik one-way anova dan
two way anova
3. Praktikan dapat mengolah data dengan menggunakan SPSS
Page 2
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 2
4. Praktikan dapat menganalisa output SPSS
1.3 Metodologi Praktikum
Identifikasi Masalah
Pengolahan Data
Uji Asumsi Klasik
Pengumpulan Data
Studi Pustaka
analisis
Kesimpulan
Pengujian :
Anova
Orthogonal Contrast
Perbandingan (LSD, Duncan,
Tukey)
Dunnet’s
Gambar 1.1 Flowchart Metodologi Praktikum
Pengujian:
ANOVA
Orthogonal Contrast
Perbandingan (LSD, Ducan,
Tukey
Dunnet’s
Page 3
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 3
1.4 Sistematika Penulisan
BAB I PENDAHULUAN
Berisi tentang latar belakang, tujuan praktikum, metodologi praktikum, serta
sistematika penulisan yang digunakan.
BAB II TINJAUAN PUSTAKA
Berisi tentang teori-teori yang sesuai dan berhubungan dengan praktikum yang akan
dilaksanakan.
BAB III PENGOLAHAN DATA DAN ANALISIS
Berisikan pengolahan dan analisis tentang output data RAL dan RAK yang diolah
dengan menggunakan software SPSS dan Minitab.
BAB IV PENUTUP
Berisi tentang kesimpulan yang diperoleh dari percobaan serta saran
Page 4
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 4
BAB II
TINJAUAN PUSTAKA
2.1 Analisis Variansi
2.1.1 Definisi Analisis Variansi
Analisis Variansi merupakan alat yang digunakan untuk mengevaluasi
kebaikan model regresi. Model regresi yang baik, salah satunya ditandai oleh
tingginya koefisien determinasi, dinotasikan R2 atau 2
adjR , yang dapat dihasilkan
oleh Tabel Analisis Variansi.
(http://oc.its.ac.id)
Analisis varians (analysis of variance ANOVA) adalah suatu metode analisis
statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur
Indonesia metode ini dikenal dengan berbagai nama lain seperti analisis ragam,
sidik ragam, dan analisis variansi. Ini merupakan pengembangan dari masalah
Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan.
Analisis varians pertama kali diperkenalkan oleh SirRonald Fisher, bapak statistika
modern. Dalam prakteknya, analisis varians dapat merupakan uji hipotesis (lebih
sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika
terapan).
Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan
hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antar
contoh (among samples) dan varians kedua adalah varians di dalam masing-masing
contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua
contoh akan memberikan hasil yang sama dengan uji T untuk dua rerata (mean).
(http://id.wikipedia.org)
2.1.2 Tujuan Analisis Variansi
Analisis variansi bertujuan untuk menguji apakah terdapat perbedaan yang
signifikan antara rata-rata beberapa kelompok populasi (lebih dari dua), melalui
ukuran-ukuran penyebaran (variansi) dari masing-masing kelompok populasi
tersebut.
Page 5
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 5
(http://personal.fmipa.itb.ac.id)
2.1.3 Asumsi-asumsi dalam Uji Analisis Variansi
Analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi
dalam perancangan percobaan:
1. Data berdistribusi normal. Karena pengujiannya menggunakan uji F-
Snedecor. Uji F-Snedecor dihitung dengan rumus
Dimana :
F = nilai F hitung
K = jumlah variabel oksogen
n =jumlah responden
R =nilai koefisien korelas
Kriteria pengujian adalah sebagai berikut :
F hitung > F tabel : hipotesis Ho ditolak
F tabel ≤ F hitung : hipotesis H1 diterima
F tabel diperoleh dari tabel distribusi F dengan α = 0,05 dan derajat
kebebasan db 1 = k dan db 2 = n-k-1
2. Varians atau ragamnya homogen dikenal sebagai homoskedastisitas, karena
hanya digunakan satu penduga (estimate) untuk varians dalam contoh.
3. Masing-masing contoh saling independen yang harus dapat diatur dengan
perancangan percobaan yang tepat.
4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
(http://id.wikipedia.org/wiki/Analisis_varians)
)....1(
....)1(
12
12
n
n
xyxRk
xyxRknF
Page 6
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 6
2.2 Rancangan Percobaan
2.2.1 Definisi Rancangan Percobaan
Perancancangan percobaan atau rancangan percobaan (Design of Experiment)
adalah kajian mengenai penentuan kerangka dasar kegiatan pengumpulan informasi
terhadap objek yang memiliki variasi (stokastik), berdasarkan prinsip-prinsip
statistika. Bidang ini merupakan salah satu cabang penting dalam statistika
inferensial dan diajarkan di banyak cabang ilmu pengetahuan di perguruan tinggi
karena berkaitan erat dengan pelaksanaan percobaan (eksperimen).
Perancangan percobaan dapat dikatakan sebagai “jembatan” bagi peneliti untuk
bergerak dari hipotesis menuju pada eksperimen agar memberikan hasil yang valid
secara ilmiah. Dengan demikian, perancangan percobaan dapat dikatakan sebagai
salah satu instrumen dalam metode ilmiah.
(http://id.m.wikipedia.org)
2.2.2 Tujuan Rancangan Percobaan
Tujuan Perancangan Percobaan:
1. Memilih peubah terkendali (X) yang paling berpengaruh terhadap respon
(Y)
2. Memilih gugus peubah X yang paling mendekati nilai harapan Y
3. Memilih gugus peubah X yang menyebabkan keragaman respon paling kecil
4. Memilih gugus peubah X yang mengakibatkan pengaruh peubah tak
terkendali paling kecil
(http://etih.staff.ipb.ac.id/files/2011/07/Desain-Percobaan.pdf)
2.2.3 Istilah-istilah dalam Rancangan Percobaan
Beberapa istilah dalam perancangan percobaan yang perlu anda ketahui,
yaitu:
a. Perlakuan
Page 7
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 7
Perlakuan adalah suatu prosedur yang akan diterapkan pada unit percobaan
yang nantinya akan diamati.
b. Satuan percobaan
Suatu percobaan adalah unit terkecil dalam suatu percobaan yang akan diberi
perlakuan.
c. Satuan amatan
Satuan amatan adalah bagian dari satuan percobaan yang akan mendapat
perlakuan tunggal dan nantinya akan diamati.
d. Galat percobaan
Galat percobaan adalah hasil yang berfariansi pada untit percobaan pada
perlakuan yang sama.
(Modul Praktikum Statistika Industri 2014)
2.2.4 Strategi Rancangan Percobaan
a. Mengumpulkan data penelitian sebanyak mungkin sesuai dengan rancangan
percobaan yang diajukan,
b. Memberi jawaban model penyelesaian masalah penelitian secara terbuka dan
sesubjektif mungkin, seteliti mungkin dengan waktu singkat, biaya hemat, dan
tenaga peneliti hemat.
c. Memonitor atau memantau dan mengendalikan parameter-parameter penelitian.
d. Memperkecil kesalahan yang dibuat, antara lain kesalahan pengukuran dan
kurangnya motivasi peneliti.
e. Mengendalikan variabel luar yang tidak terkendali.
f. Memberikan metode penelitian secara ilmiah dan terbuka untuk dikoreksi oleh
para pakar peneliti lain.
(Suharto. Dkk. 2004. Hal. 109)
Page 8
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 8
2.2.5 Prinsip Dasar Rancangan Percobaan
Satuan percobaan adalah satuan yang memberikan keragaman sehingga
muncul galat percobaan dalam penelitian ilmiah. Pengaitan secara acak
menghilangkan bias yang dapat muncul akibat pengaitan secara berpola.
Tujuannya adalah membagi secara merata antara taraf faktor perlakuan resiko
sebagai akibat dari keragaman suatu percobaan. Pengaitan secara acak merupakan
cara terbaik memenuhi persyaratan yang dibentuk model. Suatu percobaan yang
dikelompokkan menjadi pasangan homogen dinamakan blok. Taraf faktor atau
perlakuan kemudian dikaitkan secara acak dalam blok. Tujuan pemblokan adalah
untuk memperkecil galat percobaan yang mengganggu.
(Walpole dan Myers, 1995)
2.3 RAL
2.3.1 Definisi RAL
Rancangan acak lengkap merupakan rancangan yang paling sederhana. Baik
ditinjau dari penerapan maupun analisis data yang dihasilkan. Disamping itu.
Intepertasi hasil analisis dan tindakan yang harus dilakukan apabila ada
penyimpangan pun lebih mudah.
(Modul Praktikum Statistika Industri 2014)
Page 9
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 9
2.3.2 Prinsip Dasar RAL
Dua hal yang harus diperhatikan dalam rancangan acak lengkap adalah :
1. Kecuali perlakuan. Semua (media percobaan dan keadaan-keadaan lingkungan
lainnya) harus serba sama.
2. Penempatan perlakuan ke dalam satuan-satuan percobaan dilakukan secara acak
lengkap. Yang artinya kita perlakukan semua satuan percobaan sebagai satu
kesatuan dimana perlakuan-perlakuan (baik yang sama atupun tidak) ditempatkan
ke dalamnya secara acak.
(Modul Praktikum Statistika Industri 2014)
2.3.3 Kelebihan RAL
a. Merupakan rancangan percobaan yang paling sederhana
b. Apabila terjadi penyimpangan didalam analisis dan tindakan. Interpretasi dapat
lebih mudah.
(Muwardi, 2007)
2.3.4 Kekurangan RAL
Susah mencari media percobaan dan keadaan- keadaan lingkungan yang
sama.
(Muwardi, 2007)
2.4 Uji RAK
2.4.1 Definisi RAK
Rancangan acak kelompok menempatkan perlakuan ke dalam petak-petak
satuan-satuan percobaan dilakukan secara acak. Pengacakannya secara lengkap per
kelompok. artinya hasil pengacakan untuk menempatkan perlakuan dalam suatu
kelompok tidak boleh digunakan lagi untuk kelompok lainnya
Page 10
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 10
(Modul Praktikum Statistika Industri 2014)
2.4.2 Prinsip Dasar RAK
Langkah – langkah untuk melakukan analisis variansi sama dengan
rancangan acak lengkap. hanya saja berbeda dalam perhitungannya saja. Syarat
pengelompokan yaitu keragaman (variasi) dalam kelompok lebih kecil
dibandingkan variasi antar kelompok.
(Setyawan, 2005)
2.4.3 Kelebihan RAK
Perlakuan ditempatkan ke dalam petak- petak atau satuan- satuan percobaan
(Setyawan, 2005)
2.4.4 Kekurangan RAK
Memerlukan waktu yang cenderung lebih lama
(Setyawan, 2005)
2.5 Uji Perbandingan Berpasangan
2.5.1 Uji Orthogonal Contrast
Ortoghonal contrast digunakan bila peneliti ingin menguraikan variansi
perlakuan menjadi bagian-bagian yang bebas. Biasanya si peneliti telah mempunyai
kontras tertentu yang ingin diselidiki. Dua kontras dengan koefisien {ci}dan
{di}adalah orthogonal jika :
= 0
atau untuk desain yang tidak seimbang. jika :
= 0
(repository.binus.ac.id)
i
a
i
i dc1
i
a
i
ii dcn1
Page 11
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 11
2.5.2 Uji LSD
Pengujian dilakukan dengan uji t antar seluruh pasangan grup mean. untuk
menentukan nilai LSD yang nantinya dipakai sebagai nilai perbandingan yang akan
dibandingkan dengan selisih rataan pertama yang ingin diuji. Uji ini akan sangat
baik digunakan apabila pengujian mean yang akan diperbandingkan sebelumnya
telah direncanakan. LSD=
(Douglas 1991, Hal 74)
2.5.3 Uji Duncan
Uji ini disebut juga uji rentangan-darab Duncan. Rentangan setiap himpunan
bagian dari p rataan sampel haruslah melibihi suatu nilai tertentu sebelum setiap p
rataan dikatakan berbeda. Nilai ini disebut rentangan berarti terkecil untuk p rataan.
Syi =
(Wapole dan Meyers. 1995)
2.5.4 Uji Dunnet
Dunnet mengembangkan uji ini dan mempopulerkannya pada tahun
1955. Uji Dunnet mempertahankan MEER pada level yang tidak lebih dari taraf
nyata yang ditentukan. misal α= 0.05. Pada metode ini.hanya membutuhkan satu
nilai pembanding yang digunakan untuk membandingkan antara kontrol dengan
perlakuan lainnya. Formulanya mirip dengan LSD.namun pada uji ini. nilai t yang
digunakan bukan t-student yang digunakan pada uji LSD. Dunnet menggunakan
tabel t tersendiri.yang biasanya terlampir pada buku-buku perancangan percobaan.
(repository.binus.ac.id)
n
xst
2
45,2/
2
n
s 2
Page 12
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 12
2.5.5 Uji Tukey
Metode Tukey menyangkut pencarian perbedaan yang berarti antara 2 rataan
dengan memakai suatu nilai kritis sebagai perbandingan semua perlakuan yang
berpasangan. Metode perbandingan oleh Tukey menyangkut pencarian perbedaan
yang berarti antara reataan i dan j (ij) bila lebih besar daripada
.
(Wapole dan Meyers, 1995)
2.6 Uji T
Uji T adalah uji statistik yang digunakan untuk menguji kebenaran atau
kepalsuan hipotesis nol. Uji T pertama kali dikembangkan oleh William Seely
Gosset pada 1915. Awalnya ia menggunakan nama samaran Student, dan huruf t
yang terdapat dalam istilah Uji “t “ dari huruf terakhir nama beliau. Uji t disebut
juga dengan nama Student t.
Persyaratan analisis Uji t
Sampel di ambil secara acak dari populasi berdistribusi normal.
Data berskala interval dan atau rasio.
Kegunaan Uji t
Alat analisis data untuk menguji satu sampel atau dua sampel.
Membandingkan dua mean (rata-rata) untuk menentukan apakah perbedaan
rata-rata tersebut perbedaan nyata atau karena kebetulan
Uji t Untuk Satu Sampel
)( ji yy
nsvkq 1],,[
Page 13
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 13
(desirahmatina, 2006)
2.7 Uji F
Uji F digunakan untuk mengetahui pengaruh variabel bebas secara bersama-
sama (simultan) terhadap variabel terikat. Signifikan berarti hubungan yang terjadi
dapat berlaku untuk populasi. Penggunaan tingkat signifikansinya beragam,
tergantung keinginan peneliti, yaitu 0,01 (1%) ; 0,05 (5%) dan 0,10 (10%). Hasil uji
F dilihat dalam tabel ANOVA dalam kolom sig. Sebagai contoh, kita menggunakan
taraf signifikansi 5% (0,05), jika nilai probabilitas < 0,05, maka dapat dikatakan
terdapat pengaruh yang signifikan secara bersama-sama antara variabel bebas
terhadap variabel terikat. Namun, jika nilai signifikansi > 0,05 maka tidak terdapat
pengaruh yang signifikan secara bersama-sama antara variabel bebas terhadap
variabel terikat.
(Warsito, 2012)
2.8 Software SPSS
Dengan menggunakan Software SPSS kita dapat melakukan: Uji Normalitas
Data. Uji Homogenitas Data. Uji Linieritas. Uji Kebebasan (dengan menggunakan
Uji Chi square). Uji Anova. Uji Orthogonal Contrast. Uji Perbandingan
Berpasangan (LSD. Duncan.Tukey) dan Uji Perbandinagn Dengan Kontrol
(Dunnet’s). Dari sini kita dimudahkan tanpa melakukan perhitungan manual karena
biasanya perhitungan manual yang akan dilakukan akan memakan waktu yang lama
dan dengan menggunakan formula atau rumus yang cukup rumit. Namun dengan
menggunakan software SPSS. kita tinggal memasukkan data dan dengan melakukan
prosedur yang telah ada. kita akan mendapatkan hasil sesuai dengan apa yang kita
inginkan.
Untuk uji normalitas dan uji homogenitas mengunakan tools sebagai berikut:
Analyse Desriptive Explore.
Uji Anova . Uji orthogonal contras. Uji perbandingan berpasangan
(LSD. Ducan. Tukey) dan perbandingan dengan kontrol (Dunnet’s) mengunakan
tools sebagai berikut:
Analyse Compare Means One Way Anova.
Untuk uji kebebasan mengunakan tools sebagai berikut:
Page 14
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 14
Analyse Non parametric Chi Square
Untuk uji linearitas mengunakan tools sebagai berikut:
Graph Interactive Scatter Plot
2.9 Software Minitab
Permasalahan – permasalahan statistika bukan suatu masalah rumit karena
seiring dengan perkembangan teknologi komputer. pekerjaan statistik sangat
terbantu dengan adanya program aplikasi komputer untuk statistik yang kini sudah
banyak dipasarkan. Komputer sangat membantu pekerjaan statistik. terutama dalam
melakukan perhitungan statistik yang menggunakan rumus matematika yang rumit
dan banyak data. Salah satu program statistik yang telah diakui banyak orang adalah
program MINITAB.
Program MINITAB merupakan program statistiks yang diakui cukup andal
oleh banyak kalangan. baik dunia kampus maupun industri. Keunggulan MINITAB
adalah selain menyediakan metode – metode statistik klasik seperti analisis regresi.
analisis faktor. analisis deskriminan. dan tabulasi silang. MINITAB juga
menyediakan pula metode – metode statistik untuk meningkatkan dan memperbaiki
kualitas seperti pengendalian kualitas statistik. desain eksperimen. dan analisis
realibilitas. MINITAB juga mampu memberi nilai taksiran yang mendekati nilai
sebenarnya.
Pada modul ini digunakan menu Stat yang merupakan menu untuk penggunaan
beberapa metode statistik untuk mengolah data seperti ANOVA. Submenu dari
menu Stat yang digunakan adalah ANOVA ( One-Way ANOVA ) yaitu submenu
yang digunakan untuk membuat ANOVA satu arah untuk variabel respon dalam
satu kolom dan membandingkan beberapa rata-rata populasi.
Untuk uji One-Way Anova. Fisher dan Dunnet’s tools yang digunakan adalah
Stat ANOVA One-Way
2.10 Software Excel
Seperti sudah diketahui, MS Excel® merupakan salah satu paket program alam
MS Office® yang berguna untuk pengolahan lembar kerja (data yang disajikan
dalam bentuk tabel berupa kolom dan baris). MS Excel mampu melakukan
Page 15
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 15
perhitungan-perhitungan numerik baik dengan operasi-operasi aritmetika biasa
maupun dengan fungsi-fungsi matematika, termasuk fungsi-fungsi statistika
sederhana (statistiks deskriptif). Dengan demikian, MS Excel dapat digunakan
untuk analisis data statistiks. Akan tetapi, untuk keperluan analisis data statistiks
yang lebih rumit, pemakaian fungsi-fungsi matematika dasar dan statistika (built-in)
memerlukan perhitungan manual yang cukup panjang. Untunglah bahwa MS
Excel® menyediakan serangkaian tool khusus untuk analisis data disebut Analysis
ToolPak yang dapat digunakan untuk kemudahkan analisis data statistiks mulai dari
yang sederhana sampai yang cukup rumit, termasuk uji hipotesis dan analisis
(ko)varians serta analisis Fourier Cara pemakaiannya pun sangat mudah. Pemakai
tinggal memasukkan data pada lembar kerja Excel seperti biasa dan parameter yang
sesuai untuk setiap analisis, selanjutnya Tool akan menggunakan fungsi-fungsi
makro statistiks dan teknik yang sesuai kemudian menampilkan hasil
perhitungan/analisis dalam bentuk tabel output dan/atau grafik/diagram.
(mm.fe.unpad.ac.id)
Page 16
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 16
BAB III
PENGOLAHAN DATA DAN ANALISIS
3.1 RAL
3.1.1 Pengumpulan Data
Tabel 3.1 Data RAL Percobaan Menggelindingkan Kelerang
No. Alas 150 25
0 35
0 45
0
1. Jeans 96 109 124 144
2. Jeans 92 108 127 150
3. Jeans 93 111 123 143
4. Jeans 94 112 128 147
5. Jeans 93 110 125 149
6. Jeans 98 107 120 141
7. Jeans 92 106 121 146
8. Jeans 91 110 123 148
9. Jeans 100 114 129 151
10. Jeans 99 113 126 143
3.1.2 Uji Asumsi Analisis Variansi
3.1.2.1 Uji Normalitas
a. SPSS
Hipotesis
1. H0 : Data berdistribusi normal
2. H1 : Data tidakberdistribusi normal
3. α=0,05
4. Daerah kritis :
Sig <α , H0 ditolak maka data tidakberdistribusi normal
Page 17
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 17
5. Perhitungan :
Tabel 3.2 Uji Normalitas RAL (SPSS)
Tests of Normality
VAR00
002
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
VAR00001 15 .212 10 .200* .897 10 .201
25 .100 10 .200* .980 10 .963
35 .106 10 .200* .973 10 .914
45 .144 10 .200* .956 10 .744
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
6. Keputusan :
Karena :
Kolmogorov Smirnov
Sudut 150 : 0.200
Sudut 250 : 0.200
Sudut 350 : 0.200
Sudut 450 :0.200
Shapiro – Wilk
Sudut 150 : 0.201
Sudut 250 : 0.963
Sudut 350 : 0.914
Sudut 450 : 0.744
Karena Sig >α , maka jangan tolak H0 untuk semua perlakuan
7. Kesimpulan : Data pada perlakuan berdistribusi normal.
Page 18
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 18
Analisis
Dari hasil output SPSS di atas, berarti data jarak penggelindingan
kelereng berdistribusi normal. Hal ini terlihat dari nilai kolom sig
dibagian Klomogorov-Sminrnov dimana nilai pada kolom sig lebih besar
dari 0.05.
Normal Q Q Plots
Gambar 3.1 SPSS Q-Q Plot (15o)
Analisis :
Pada gambar diatas menjelaskan output pada perlakuan 1. Ada 7 titik dalam
grafik di atas. Hal itu dikarenakan ada 3 percobaan yang sama dengan
percobaa n lain. Semua titik masih di sekitar garis extended value. Oleh
karena itu, data berdistribusi normal.
Gambar 3.2 SPSS Q-Q Plot (25o)
Page 19
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 19
Analisis :
ada gambar di atas menjelaskan output pada perlakuan 2. Ada 8 titik dalam
grafik di atas. Hal itu dikarenakan ada 2 percobaan yang sama dengan percobaa n
lain. Semua titik masih di sekitar garis extended value. Oleh karena itu, data
berdistribusi normal.
Gambar 3.3 SPSS Q-Q Plot (35o)
Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 3. Ada 8 titik dalam
grafik di atas. Hal itu dikarenakan ada 2 percobaan yang sama dengan percobaa n
lain. Semua titik masih di sekitar garis extended value. Oleh karena itu, data
berdistribusi normal.
Gambar 3.4 SPSS Q-Q Plot (45o)
Page 20
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 20
Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 4. Ada 8 titik
dalam grafik di atas. Hal itu dikarenakan ada 2 percobaan yang sama
dengan percobaa n lain. Semua titik masih di sekitar garis extended
value. Oleh karena itu, data berdistribusi normal.
Detrended Normal QQ Plots
Gambar 3.5 SPSS Detrended Q-Q Plot (15o)
Page 21
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 21
Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 1. Ada 7 titik dalam grafik di
atas. Hal itu dikarenakan ada 3 percobaan yang sama dengan percobaan lain. Semua
titik masih di sekitar garis extended value. Oleh karena itu, data berdistribusi normal.
Gambar 3.6 SPSS Detrended Q-Q Plot (25o)
Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 2. Ada 8 titik dalam grafik di
atas. Hal itu dikarenakan ada 2 percobaan yang sama dengan percobaan lain. Semua
titik masih di sekitar garis extended value. Oleh karena itu, data berdistribusi normal.
Gambar 3.7 SPSS Detrended Q-Q Plot (35o)
Page 22
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 22
Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 3. Ada 8 titik dalam
grafik di atas. Hal itu dikarenakan ada 3 percobaan yang sama dengan
percobaan lain. Semua titik masih di sekitar garis extended value. Oleh karena
itu, data berdistribusi normal.
Gambar 3.8 SPSS Detrended Q-Q Plot (45o)
Analisis :
Pada gambar di atas menjelaskan output pada perlakuan 4. Ada 8 titik dalam
grafik di atas. Hal itu dikarenakan ada 2 percobaan yang sama dengan percobaan
lain. Semua titik masih di sekitar garis extended value. Oleh karena itu, data
berdistribusi normal.
b. Minitab
Hipotesis
1. H0 : Data berdistribusi normal
2. H1 : Data tidakberdistribusi normal
3. α=0,05
Page 23
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 23
4. Daerah kritis : Nilai P Val>0,005 , H0 ditolak maka data tidakberdistribusi
normal
5. Perhitungan :
Gambar 3.9 Minitab Probability Plot (15o)
C1
Pe
rce
nt
10410210098969492908886
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0,150
94,8
StDev 3,225
N 10
KS 0,198
P-Value
Probability Plot of C1Normal
Gambar 3.10 Minitab Probability Plot (25o)
C2
Pe
rce
nt
117,5115,0112,5110,0107,5105,0
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0,150
110
StDev 2,582
N 10
KS 0,081
P-Value
Probability Plot of C2Normal
Page 24
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 24
Gambar 3.11 Minitab Probability Plot (35o)
C3
Pe
rce
nt
132130128126124122120118116
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0,150
124,6
StDev 2,951
N 10
KS 0,092
P-Value
Probability Plot of C3Normal
Gambar 3.12 Minitab Probability Plot (45o)
C4
Pe
rce
nt
156152148144140
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0,150
146,2
StDev 3,360
N 10
KS 0,144
P-Value
Probability Plot of C4Normal
6. Keputusan :
Karena nilai P Val pada :
Perlakuan 1 (sudut 150) 0,198>0,005
Perlakuan 2 (sudut 250) 0,081>0,005
Perlakuan 3 (sudut 350) 0,092>0,005
Perlakuan 4 (sudut 450) 0,144>0,005
Karena P Val, >0,005 maka jangan tolak H0 untuk semua perlakuan.
Kesimpulan : Data pada semua perlakuan berdistribusi normal.
Page 25
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 25
Analisis
Dari grafik hasil output software minitab, apabila P Val <
0,005maka data tidak berdistribusi normal namun sebaliknya apabila
hasil output minitab didapatkan bahwa nilai P Val > 0,409 maka data
tersebut berdistribusi normal. Dari percobaan didapatkan nilai P Val
sebesar 0,198; 0,081; 0,092; 0,144 untuk keempat perlakuan yang
dilakukan, dari hasil tersebut dapat terlihat bahwa data berdistribusi
normal.
3.1.2.2 Uji Linearitas
a. SPSS
Tabel 3.3 Uji Linieritas RAL (SPSS)
Measures of Association
R R Squared Eta Eta Squared
VAR00021 * VAR00022 .983 .966 .989 .978
Analisis
Untuk daerah kritis uji linearitis : Apabila dilihat dari hasil output SPSS, maka dapat
dilihat dari kolom sig pada nilai deviation from linearity mempunyai nilai sebesar 0,
Sehingga dapat dikatakan data tidak berdistribusi normal. Namun karena Eta Squared
dengan Eta memiliki selisih 0,011 maka jangan tolak Ho, karena angka tersebut lebih
besar jika dibandingkan dengan 0.01.
Page 26
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 26
3.1.2.3 Uji Homogenitas Variansi
a. Manual
Hipotesis
1. H0 : σ12 = σ2
2= σ3
2= σ4
2
2. H1 :tidak semua variansi sama.
3. α = 0.01.
4. Daerah kritis : b<bk, yaitu b <b4 (0.01, 10)
5. Perhitungan :
Tabel 3.4 Perhitungan Manual Uji Homogenitas RAL
No. Alas 150 25
0 35
0 45
0
1. Jeans 96 109 124 144
2. Jeans 92 108 127 150
3. Jeans 93 111 123 143
4. Jeans 94 112 128 147
5. Jeans 93 110 125 149
6. Jeans 98 107 120 141
7. Jeans 92 106 121 146
8. Jeans 91 110 123 148
9. Jeans 100 114 129 151
10. Jeans 99 113 126 143
Sp2
= kN
sini
2)1(
= ( ) ( ) ( ) ( )
= 9.27
b = ( )
= 0.245
6.Kesimpulan :
Sp2>b, maka tolak H0.
Page 27
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 27
7.Keputusan:
Maka, σ12
= σ22= σ3
2= σ4
2(Variansi dari keempat perlakuan adalah sama).
Analisis:
Dalam pengujian data diatas, berdasarkan nilai dari Sig yaitu 0,694 yang berarti lebih besar
dari 0,05 menunjukkan bahwa data bersifat homogen. Sehingga data tersebut dapat
dikatakan memiliki sifat homogenitas. Sehingga keputusannya adalah jangan tolak Ho.
b. SPSS
Hipotesis
Ho : Data Homogen
2.H1 :Data Tidak Homogen
3.α : 0.05
4.Daerah Kritis : p <0.05
5.Perhitungan :
Tabel 3.5 Output Software Tes Homogenitas RAL
Test of Homogeneity of Variances
VAR00021
Levene Statistic df1 df2 Sig.
.486 3 36 .694
6.Keputusan : karena diperoleh signifikasi 0,694, maka jangan tolak Ho
7.Kesimpulan : Data Homogen karena 0.694 > 0.05
c. Minitab
Hipotesis
1. Ho : Data bersifat homogen
2. H1 : Data tidak bersifat homogen
3. α :0.05
Page 28
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 28
4. Daerah Kritis : pvalue<0.05
5. Perhitungan :
4
3
2
1
87654321
C2
95% Bonferroni Confidence Intervals for StDevs
Test Statistic 0,67
P-Value 0,879
Test Statistic 0,39
P-Value 0,761
Bartlett's Test
Levene's Test
UJI HOMOGENITAS
Gambar 3.13 Output minitab Uji Homogenitas
Barlette test
Test Statistic : 0.67
P value :0.879
Levenne ‘s Test
Test Statistic : 0.39
P value : 0.761
6. Keputusan : Jangan tolak Ho karena 0.879 > 0.05
7.Kesimpulan : Maka data bersifat homogen
Analisis
Berdasarkan hasil uji manual yang didapat nilai b>b4 yang berarti bahwa σ12 = σ2
2=
σ32= σ4
2(Variansi dari keempat perlakuan adalah sama). Untuk perhitungan software
(output minitab) didapati nilai P-Value mempunyai nilai sebesar 0,879 dan 0,761 yang
berarti σ12
= σ22= σ3
2= σ4
2(Variansi dari keempat perlakuan adalah sama) begitu juga
hasil output dari SPSS yang bernilai 0,694 sehingga dapat dikatakan data bersifat
homogen.
Page 29
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 29
3.1.2.4 Uji Independensi (Chi Square)
a. Manual
Hipotesis
1. Ho : ada kebebasan antara perlakuan dengan replikasi
2. H1 : tidak ada kebebasan antara perlakuan dengan replikasi.
3. α : 0.05
4. Derah Kritis : χ2 > χ
2α
V = (Jumlah baris-1) x (jumlah kolom -1) = (10-1) x (4-1)=9x3=27
DF = derajat kebebasan dengan melihat pada tabel L5 di peroleh nilai χ2α = 40.113
5. Perhitungan :
Tabel 3.6 Perhitungan Manual Uji Independensi RAL
No. jumlah baris
1. 96 109 124 144 473
2. 92 108 127 150 477
3. 93 111 123 143 470
4. 94 112 128 147 481
5. 93 110 125 149 477
6. 98 107 120 141 466
7. 92 106 121 146 465
8. 91 110 123 148 472
9. 100 114 129 151 494
10. 99 113 126 143 481
jumlah
kolom
948 1100 1246 1462 4756
ei=
e1=
= 94,28175
Page 30
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 30
Tabel 3.7 Perhitungan Manual Uji Independensi RAL
perlakuan
replikasi
1 2 3 4 sigma oi
oi Ei Oi Ei oi Ei Oi Ei
1 96 94,28175 109 109,3987 124 123,9188 144 145,4008 473
2 92 95,07906 108 110,3238 127 124,9668 150 146,6304 477
3 93 93,68377 111 108,7048 123 123,1329 143 144,4786 470
4 94 95,87637 112 111,2489 128 126,0147 147 147,86 481
5 93 95,07906 110 110,3238 125 124,9668 149 146,6304 477
6 98 92,88646 107 107,7796 120 122,0849 141 143,2489 466
7 92 92,68713 106 107,5484 121 121,823 146 142,9415 465
8 91 94,08242 110 109,1674 123 123,6569 148 145,0934 472
9 100 98,46762 114 114,2557 129 129,4205 151 151,8562 494
10 99 95,87637 113 111,2489 126 126,0147 143 147,86 481
sigma Oi 948 1100 1246 1462 4756
Tabel 3.8 Perhitungan Manual Uji Independensi RAL
(oi-ei)2/ei
(oi-
ei)2/ei (oi-ei)2/ei
(oi-
ei)2/ei Total
0,031314 0,001453 5,3156E-05 0,013495 0,046315
0,099713 0,048947 0,0330807 0,077436 0,259177
0,004991 0,048461 0,00014341 0,015131 0,068726
0,036722 0,00507 0,03127685 0,005002 0,078071
0,045462 0,00095 8,8315E-06 0,038295 0,084716
0,281508 0,00564 0,03560633 0,035308 0,358062
0,005094 0,022292 0,00555941 0,06544 0,098385
0,100989 0,006351 0,00348915 0,058229 0,169058
0,023847 0,000572 0,00136639 0,004827 0,030613
Page 31
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 31
Lanjutan Tabel 3.8 Perhitungan Manual Uji Independensi RAL
0,101767 0,027561 1.72E-02 0,159741 0,289071
0,731408 0,167298 0,11058595 0,472903 1,482,194
χ2 = ( )
( )
= 1,482194
6. Keputusan :karena χ2< χ2α maka jangan tolak Ho, dengan tabel L5
7. Kesimpulan : terdapat kebebasan antara perlakuan dengan replikasi
b. Minitab
Hipotesis
1. Ho: Ada kebebasan antara perlakuan dengan replikasi
2. H1 : tidak ada kebebasan antara perlakuan dengan replikasi
3. α : 0.05
4. Daerah Kritis : χ2 > χ
2α
V = (Jumlah baris-1) x (jumlah kolom -1) = (10-1) x (4-1)=9x3=27
DF = derajat kebebasan dengan melihat pada tabel L5 di peroleh nilai χ2α = 40.113
5. Perhitungan :
Results for: Worksheet 2
Chi-Square Test: C1; C3; C5; C7 Expected counts are printed below observed counts
Chi-Square contributions are printed below expected counts
C1 C3 C5 C7 Total
1 96 109 124 144 473
94,28 109,40 123,92 145,40
0,031 0,001 0,000 0,013
2 92 108 127 150 477
95,08 110,32 124,97 146,63
0,100 0,049 0,033 0,077
3 93 111 123 143 470
93,68 108,70 123,13 144,48
0,005 0,048 0,000 0,015
4 94 112 128 147 481
95,88 111,25 126,01 147,86
0,037 0,005 0,031 0,005
Page 32
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 32
5 93 110 125 149 477
95,08 110,32 124,97 146,63
0,045 0,001 0,000 0,038
6 98 107 120 141 466
92,89 107,78 122,08 143,25
0,282 0,006 0,036 0,035
7 92 106 121 146 465
92,69 107,55 121,82 142,94
0,005 0,022 0,006 0,065
8 91 110 123 148 472
94,08 109,17 123,66 145,09
0,101 0,006 0,003 0,058
9 100 114 129 151 494
98,47 114,26 129,42 151,86
0,024 0,001 0,001 0,005
10 99 113 126 143 481
95,88 111,25 126,01 147,86
0,102 0,028 0,000 0,160
Total 948 1100 1246 1462 4756
Chi-Sq = 1,482; DF = 27; P-Value = 1,000
C1=
C2=
C3=
C4=
6. Keputusan : Karena χ2 > χ
2α ,maka jangan tolak Ho
7. Kesimpulan : Terdapat derajat kebebasan antara perlakuan dengan
replikasi.
Analisis
Dari Uji Independensi di atas dengan menggunakan uji chi square secara manual. Dapat
disimpulkan bahwa terdapat kebebasan antara perlakuan. Hasil chi-square yang diperoleh
dari software minitab adalah 1,482. Sementara hasil chi-square yang diperoleh dari
perhitungan manual adalah 1,482194. Perbedaan ini disebabkan karena perbedaan
pembulatan antara software dengan perhitungan manual. Namun keduanya menunjukkan
hasil yang sama yaitu Ho sama – sama diterima.
Page 33
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 33
3.1.3 Analisis Variansi (ANOVA)
a. Manual
Hipotesis
1,Ho= µ1 = µ2 = µ3 = µ4
2.H1 : Paling sedikit dua rataan tidak sama
3. .α :0.05
4.Daerah Kritis :p < 0.05
5.Perhitungan :
Tabel 3.9 Perhitungan Jumlah dan Rata-Rata Kuadrat (2)
Replikasi
Perlakuan
Total P1 P2 P3 P4
1 9216 11881 15376 20736 57210
2 8464 11664 16129 22500 58759
3 8649 12321 15129 20449 56551
4 8836 12544 16384 21609 59377
5 8649 12100 15625 22201 58580
6 9604 11449 14400 19881 55340
7 8464 11236 14641 21316 55664
8 8281 12100 15129 21904 57422
9 10000 12996 16641 22801 62447
10 9801 12769 15876 20449 58905
Total 89964 121060 155330 213846 580200
Tabel 3.10 Perhitungan Jumlah dan Rata-Rata Kuadrat
No. 15 25 35 45 jumlah
baris
1. 96 109 124 144 473
2. 92 108 127 150 477
3. 93 111 123 143 470
4. 94 112 128 147 481
5. 93 110 125 149 477
6. 98 107 120 141 466
7. 92 106 121 146 465
Page 34
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 34
Lanjutan Tabel 3.10 Perhitungan Jumlah dan Rata-Rata Kuadrat
8 91 110 123 148 472
9 100 114 129 151 494
10 99 113 126 143 481
jumlah
kolom
948 1100 1246 1462 4756
T^2 898704 1210000 1552516 2137444 2,3E+07
Rataan 94,8 110 124,6 146,2 475,6
Faktor Korelasi =
= 565488,4
JKT = ∑ ∑
(∑ )
= ( )
= (9216+8464+...+58905)- 565488,4
= 580200 – 565488,4
= 14711,6
JKA = [∑ ]
(∑ )
=
565488,4
=579866,4–565488,4= 14378
JKG = JKT – JKA
= 14711.6-14378
= 333.6
Rataan kuadrat perlakuan (s12) =
Rataan kuadrat galat (s2) =
( )
F Hitung =
517.176
Page 35
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 35
Tabel 3.11 Hasil Perhitungan Anova Manual Data RAL
Sumber
Variasi
Jumlah
kuadrat Derajat Kebebasan
Rataan
kuadrat F hitung
JKA 14378 3
4792,67 517,176
JKG
333.6 36 9.267
JKT 14711,6 39
6.Keputusan : Ho ditolak karena f hitung > f tabel
7.Kesimpulan : Bahwa paling sedikit terdapat dua rataan yang tidak sama
SPSS
1. Ho : µ1 = µ2 = µ3 = µ4
2.H1 : Paling sedikit dua rataan tidak sama
3.α :0.05
F hitung : 907.136
4.Daerah kritis : IF hitung > F tabel
5.Perhitungan :
Tabel 3.12 output SPSS Uji ANOVA RAL
ANOVA
VAR00001
Sum of Squares df Mean Square F Sig.
Between Groups 14378.000 3 4792.667 517.194 .000
Within Groups 333.600 36 9.267
Total 14711.600 39
F tabel : V1=k-1 = 4-1 =3
V2=k(n-1)=4(10-1)=36
Setelah nlai V1 dan V2 dengan menggunakan tabel nilai kritis distribusi f datpat
diperoleh nilai frekuensi tabel atau jika tidak terdapat pada tabel digunakan car
Interpolasi
Page 36
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 36
( )
( )
( )
Maka nilai f tabelnya 2,92-0,048=2,872
Sehingga daerah kritisnya f > 2.872
6. Keputusan :karena f hitung > f tabel maka Ho ditolak
7.Kesimpulan : terdapat perbedaan antar rataan
c. Minitab
Hipotesis
1. Ho : µ1 = µ2 = µ3 = µ4
2.H1 : Paling sedikit dua rataan tidak sama
3.α :0.05
4.Daerah Kritis :p < 0.05
5.Perhitungan :
One-way ANOVA: C1 versus C2
Source DF SS MS F P
C2 3 12721.47 4240.49 3446.00 0.000
Error 36 44.30 1.23
Total 39 12765.77
S = 1.109 R-Sq = 99.65% R-Sq(adj) = 99.62%
Individual 95% CIs For Mean Based on
Pooled StDev
Level N Mean StDev ------+---------+---------+---------+---
30 10 17.800 1.135 (*
60 10 35.900 0.876 (*)
90 10 54.900 1.197 (*
120 10 64.100 1.197 *)
------+---------+---------+---------+---
24 36 48 60
Page 37
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 37
Pooled StDev = 1.109
6. Keputusan : P < 0.05 maka Ho ditolak
7.Kesimpulan : paling sedikit dua rataan tidak sama.
Analisis
Output Software untuk uji anova menggunakan SPSS diperoleh nilai Between
groups sebesar 14378 .Pada output minitab diperoleh nilai C2 yang nilainya 12721,47.
Hasil perhitungan manual pada uji anova ini juga tidak jauh berbeda atau bisa dikatakan
sama dimana nilai JKA sebesar 14378.
Sedangkan pada perhitungan manual diperoleh hasil JKT sebesar 14711,6 dan JKG
sebesar 333,6 hasil ini tidak berbeda dengan output software baik SPSS maupun minitab
yaitu sebesar 14711,6 dan 333,6. Tidak terjadi perbedaan antara output software dengan
perhitungan manual, namun ketika terdapat sedikit perbedaan hal itu disebabkan oleh
adanya perbedaan dalam pembulatan.
Pada uji anova pada SPSS nilai Sig adalah .000 yang menunjukkan bahwa uji anova ditolak.
Pada perhitungan mnual nilai f hitung > f tabel maka uji anova ditolak . Sedangkan pada
software minitab nilai p 0.000 yang lebih kecil dari 0.05 maka uji anova ditolak.
3.1.4 Uji Perbandingan Berpasangan
3.1.4.1 Uji Orthogonal Contrast
a. SPSS
Hipotesis
1. H0 : Semua rataan tidak terdapat perbedaan nyata.
2. H1: Paling sedikit dua rataan tidak sama.
3. = 0,05
4. Daerah kritis : sig < 0,05
5. Perhitungan
Page 38
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 38
Tabel 3.13 Output SPSS Uji Orthogonal Contras RAL
Multiple Comparisons
Dependent Variable: menggelindingkan kelereng
Scheffe
(I) Perlakuan (J) Perlakuan Mean
Difference (I-J)
Std. Error Sig. 95% Confidence Interval
Lower Bound Upper Bound
1
2 -15.200* 1.361 .000 -19.19 -11.21
3 -29.800* 1.361 .000 -33.79 -25.81
4 -51.400* 1.361 .000 -55.39 -47.41
2
1 15.200* 1.361 .000 11.21 19.19
3 -14.600* 1.361 .000 -18.59 -10.61
4 -36.200* 1.361 .000 -40.19 -32.21
3
1 29.800* 1.361 .000 25.81 33.79
2 14.600* 1.361 .000 10.61 18.59
4 -21.600* 1.361 .000 -25.59 -17.61
4
1 51.400* 1.361 .000 47.41 55.39
2 36.200* 1.361 .000 32.21 40.19
3 21.600* 1.361 .000 17.61 25.59
*. The mean difference is significant at the 0.05 level.
Antara P1-P2 : nilai signifikansi 0,000 < 0,05
Antara P1-P3 : nilai signifikansi 0,000 < 0,05
Antara P1-P4 : nilai signifikansi 0,000 < 0,05
Antara P2-P3 : nilai signifikansi 0,000 < 0,05
Antara P2-P4 : nilai signifikansi 0,000 < 0,05
Antara P3-P4 : nilai signifikansi 0,000 < 0,05
6. Keputusan :
Page 39
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 39
Tolak H0 untuk P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3, P2
dengan P4, dan P3 dengan P4.
7. Kesimpulan :
Untuk rataan P1 dengan rataan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3, P2
dengan P4 dan P3 dengan P4 terdapat perbedaan secara nyata
b. Manual
Hipotesis
1. H0 : 1 = 22 = 3
1 = 33 = 4
1 = 42 = 4
2. H1: paling sedikit 2 rataan tidak sama
3. α = 0,05
4. Daerah kritis = F hitung kontras > F hitung pada perlakuan
f 0 Ci >517.19
i = 1,2,3,4
5. Perhitungan Contrast
C1 = ∑y1 - ∑y2 = |948-1100| = 152
C2 = ∑y1 - ∑y3 = |948-1246| = 298
C3 = ∑y1 - ∑y4 = |948-1462| = 514
C4 = ∑y2 - ∑y3 = |1100-1246| = 146
C5 = ∑y2 - ∑y4 = |1100-1462| = 362
Page 40
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 40
C6 = ∑y3 - ∑y4 = |1246-1462| = 216
JKc1 =
)11(10
)152(22
2
2
1
1
2
1
11
k
i
k
i
Cn
TC
= 1155.2
JKc2 = )11(10
)298(22
2
= 4440.2
JKc3 = )11(10
)514(22
2
= 13209.8
JKc4 = )11(10
)146(22
2
= 1065.8
JKc5 = )11(10
)362(22
2
= 6552.2
JKc6 = )11(10
)216(22
2
= 2332.8
Page 41
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 41
Tabel 3.14 Perhitungan manual Uji Orthogonal Contras RAL
Sumber
Variansi Jumlah
Derajat
Kebebasan Rata-Rata F hitungan
Perlakuan 14378 3 4792.667 517.19
Orthogonal
Contrast
C1 1155.2 1 1155.2 124.2
C2 4440.2 1 4440.2 477.4
C3 13209.8 1 13209.8 1420.4
C4 1065.8 1 1065.8 114.6
C5 6552.2 1 6552.2 704.5
C6 2332.8 1 2332.8 250.8
Error 333.6 36 9.3
Total 13820,475 39
6. Keputusan:
- f 0 C1< 517.19, maka jangan tolak H0.
- f 0 C2< 517.19, maka jangan tolak Ho
- f 0 C3 > 517.19, maka tolak Ho
- f 0 C4< 517.19, maka jangan tolak Ho
- f 0 C5> 517.19, maka tolak Ho
- f 0 C6< 517.19, maka jangan tolak Ho.
7. Kesimpulan :
Page 42
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 42
Antara rataan P3, dan P5 terdapat perbedaan yang nyata
Analisis :
Rataan dikatakan tidak mempunyai perbedaan nyata apabila nilai signifikansi ˃
0,05. Dari hasil output SPSS di atas menunjukkan bahwa semua rataan memiliki
nilai signifikansi < 0,05. Sehingga diperoleh kesimpulan bahwa untuk semua
perlakuan memiliki rataan yang tidak sama.
Berdasarkan Perhitungan manual terhadap uji Orthogonal kontras dikatakan tidak
mempunyai perbedaan yang berarti apabila nilai F0 Ci< F Hitung. Sehingga
diperoleh kesimpulan bahwa antara P1 dengan P2 dan P4 dengan P6 tidak terdapat
perbedaan secara berarti. Berdasarkan uji Orthogonal Kontras untuk hasil manual,
kesimpulan yang didapat untuk semua rataan terdapat perbedaan yang nyata.
1.3.2 UJI LSD
a. SPSS
Hipotesis
1. H0: Semua rataan tidak terdapat perbedaan nyata.
2. H1: Paling sedikit dua rataan tidak sama.
3. α: 0,05
4. Daerah kritis : sig < 0,05
5. Perhitungan :
Page 43
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 43
Tabel 3.15 Output SPSS Uji LSD RAL
Multiple Comparisons
Dependent Variable: menggelindingkan kelereng
LSD
(I) Perlakuan (J) Perlakuan Mean
Difference (I-J)
Std. Error Sig. 95% Confidence Interval
Lower Bound Upper Bound
1
2 -15.200* 1.361 .000 -17.96 -12.44
3 -29.800* 1.361 .000 -32.56 -27.04
4 -51.400* 1.361 .000 -54.16 -48.64
2
1 15.200* 1.361 .000 12.44 17.96
3 -14.600* 1.361 .000 -17.36 -11.84
4 -36.200* 1.361 .000 -38.96 -33.44
3
1 29.800* 1.361 .000 27.04 32.56
2 14.600* 1.361 .000 11.84 17.36
4 -21.600* 1.361 .000 -24.36 -18.84
4
1 51.400* 1.361 .000 48.64 54.16
2 36.200* 1.361 .000 33.44 38.96
3 21.600* 1.361 .000 18.84 24.36
*. The mean difference is significant at the 0.05 level.
P1 – P2 = 0,000
P1 – P3 = 0,000
P1 – P4= 0,000
P2 – P3 = 0,000
P2 – P4 = 0,000
P3 – P4 = 0,000
6. Keputusan :
Page 44
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 44
Tolak H0 untuk P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3, P2
dengan P4, dan P3 dengan P4.
7. Kesimpulan :
Maka hal ini disimpulkan bahwa rataan antara perlakuan 1, perlakuan 2,
perlakuan 3 dan perlakuan 4 terdapat perbedaan yang nyata.
Analisis :
Berdasarkan output di atas rataan dikatakan tidak mempunyai perbedaan nyata
apabila nilai signifikansi ˃ 0,05.Dari hasil otput SPSS diperoleh nilai signifikasi
P1-P2 sebesar 0.00,P1-P3 sebesar 0.00,P1-P4 sebesar 0.00,P2-P3 sebesar
0.00,P2-P4 sebesar 0.00 dan P3-P4 sebesar 0.00,karena nilainya lebih kecil dari
nilai sigifikasi, Sehingga diperoleh kesimpulan bahwa untuk semua rataan
memiliki perbedaan yang nyata.
b. Minitab
Hipotesis
1. H0 : Tidak terdapat perbedaan yang nyata antara μ1 , μ2 , μ3, μ4,
2. H1 : Paling sedikit dua rataan tidak sama
3. α : 0.05
4. Daerah kritis : ji hh
> LSD , LSD = 2.67 (dari perhitungan manual)
5. Perhitungan :
Fisher 95% Individual Confidence Intervals
All Pairwise Comparisons among Levels of Perlakuan
Simultaneous confidence level = 80.32%
Perlakuan = 1 subtracted from:
Page 45
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 45
Perlakuan Lower Center Upper ------+---------+---------+---------+---
2 12.439 15.200 17.961 (*)
3 27.039 29.800 32.561 (*)
4 48.639 51.400 54.161 (-*)
------+---------+---------+---------+---
-25 0 25 50
Perlakuan = 2 subtracted from:
Perlakuan Lower Center Upper ------+---------+---------+---------+---
3 11.839 14.600 17.361 (*)
4 33.439 36.200 38.961 (*-)
------+---------+---------+---------+---
-25 0 25 50
Perlakuan = 3 subtracted from:
Perlakuan Lower Center Upper ------+---------+---------+---------+---
4 18.839 21.600 24.361 (*)
------+---------+---------+---------+---
-25 0 25 50
Tabel 3.16 Tabel perhitungan uji LSD
No. Center Nilai mutlak LSD
1 P1-P2 15.2 15.2 2.67
2 P1-P3 29.8 29.8 2.67
3 P1-P4 51.4 51.4 2.67
4 P2-P3 14.6 14.6 2.67
5 P2-P4 36.2 36.2 2.67
6 P3-P4 21.6 21.6 2.67
6. Keputusan :
P1-P2 > 2.67 = 15.2 > 2.67
Page 46
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 46
P1-P3 > 2.67 = 29.8 > 2.67
P1-P4 > 2.67 = 51.4 > 2.67
P2-P3 > 2.67 = 14.6 > 2.67
P2-P4 > 2.67 = 36.2 > 2.67
P3-P4 > 2.67 = 21.6 > 2.67
Maka tolak H0
7. Kesimpulan :
Untuk rataan P1 dengan rataan P2 terdapat perbedaan secara nyata.
Untuk rataan P1 dengan rataan P3 terdapat perbedaan secara nyata.
Untuk rataan P1 dengan rataan P4 terdapat perbedaan secara nyata.
Untuk rataan P2 dengan rataan P3 terdapat perbedaan secara nyata.
Untuk rataan P2 dengan rataan P4 terdapat perbedaan secara nyata.
Untuk rataan P3 dengan rataan P4 terdapat perbedaan secara nyata.
Analisis :
Dari hasil uji Minitab diatas diketahui bahwa rataan tidak mempunyai perbedaan
yang nyata apabila nilai p < 2.67. Berdasarkan hasil uji Minitab di atas
menunjukkan bahwa semua rataan memiliki perbedaan secara nyata dengan nilai
Central P1-P2 sebesar 15.2, P1-P3 sebesar 29.8, P1-P4 sebesar 51.4, P2-P3 sebesar
14.6, P2-P4 sebesar 36.2 dan P3-P4 sebesar 21.6.Sehingga dapat disimpulkan
bahwa terdapat perbedaan yang nyata antara P1-P2,P1-P3,P1-P4,P2-P3,P2-P4,dan
P3-P4
Page 47
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 47
c. Manual
Hipotesis
1. Ho : Tidak terdapat perbedaan yang nyata antara μ1 , μ2 , μ3, μ4,
2. H1 : Paling sedikit dua rataan tidak sama
3. α : 0.05
4. Daerah kritis : ji hh
> LSD
V = k(n-1)
= 4(10-1)
= 36
LSD = n
st v
2
,2/
2
= t0,025,36 √ ( )
= 1,96 X 1,67 = 2.67
5. Perhitungan :
Tabel 3.17 Rata-rata tiap taraf
Perlakuan Rata – Rata
P1 94.8
P2 110
P3 124.6
P4 146.2
Page 48
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 48
Tabel 3.18 Tabel perhitungan uji LSD
No. Means Different Nilai mutlak Keterangan
1 P1-P2 -15.2 15.2 > 2.67
2 P1-P3 -29.8 29.8 > 2.67
3 P1-P4 -51.4 51.4 > 2.67
4 P2-P3 -14.6 14.6 > 2.67
5 P2-P4 -36.2 36.2 > 2.67
6 P3-P4 -21.6 21.6 > 2.67
6. Keputusan : Tolak Ho untuk perbedaan rata-rata antara taraf P1-
P2,P1-P3,P1-P4,P2-P3,P2-P4, dan P3-P4
7. Kesimpulan :
Untuk rataan P1 dengan rataan P2 terdapat perbedaan secara nyata.
Untuk rataan P1 dengan rataan P3 terdapat perbedaan secara nyata.
Untuk rataan P1 dengan rataan P4 terdapat perbedaan secara nyata.
Untuk rataan P2 dengan rataan P3 terdapat perbedaan secara nyata.
Untuk rataan P2 dengan rataan P4 terdapat perbedaan secara nyata.
Untuk rataan P3 dengan rataan P4 terdapat perbedaan secara nyata.
Page 49
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 49
1.3.3 Duncan
a. Manual
Hipotesis
1. H0 = Tidak terdapat perbedaan yang nyata antara μ1 , μ2 , μ3, μ4
2. H1 = paling sedikit 2 rataan tidak sama
3. α=0,05
4. Daerah kritis |Yi-Yj|>Rp
Nilai Rp dilihat dari tabel dengan α= 0.05 dan v= 36 menggunakan
perhitungan interpolasi (tabel L 12)
5. Perhitungan
Rp =
P = 2
=
X = 2.87 Rp =
= 2.76
P = 3
=
X = 3.02 Rp =
= 2.91
P = 4
=
X = 3.11 Rp =
= 2.99
Page 50
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 50
Tabel 3.19 Perhitungan Uji Duncan
Data diterima jika
|Yi-Yj|<Rp
Tabel 3.20 Perhitungan Uji Duncan 2
No
Means Different Rp
1 P1-P2 15.2 2.76
2 P1-P3 29.8 2.91
3 P1-P4 51.4 2.99
4 P2-P3 14.6 2.76
5 P2-P4 36.2 2.91
6 P3-P4 21.6 2.76
6. Keputusan
Tolak Ho untuk perbedaan rata-rata antara taraf P4-P2, P3-P1, P4-P1,
P4-P3, P2-P1 danP2-P3.
7. Kesimpulan :
Untuk P4-P2 terdapat perbedaan secara berarti.
Untuk P3-P1 terdapat perbedaan secara berarti.
Untuk P4-P1 terdapat perbedaan secara berarti.
P 2 3 4
rp 2.87 3.02 3.11
Rp 2.76 2.91 2.99
Page 51
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 51
Untuk P4-P3 terdapat perbedaan secara berarti
Untuk P2-P1 terdapat perbedaan secara berarti
Untuk P2-P3 terdapat perbedaan secara berarti.
Analisis :
Dari hasil uji Manual diatas diketahui bahwa rataan tidak mempunyai
perbedaan yang nyata apabila nilai p < Rp. Berdasarkan hasil uji Manual di
atas menunjukkan bahwa semua rataan memiliki perbedaan secara nyata
dengan nilai Central P1-P2 sebesar 15.2, P1-P3 sebesar 29.8, P1-P4 sebesar
51.4, P2-P3 sebesar 14.6 , P2-P4 sebesar 36.2 dan P3-P4 sebesar 21.6.
Karena nilai p > Rpm aka dapat ditarik kesimpulan bahwa terdapat
perbedaan yang nyata antara P1 dengan P2, P1 dengan P3, P1 dengan P4,
P2 dengan P3, P2 dengan P4 dan P3 dengan P4
b. SPSS
Hipotesis
1. Ho = Tidak terdapat perbedaan yang nyata antara μ1 , μ2 , μ3, μ4
2. H1 = paling sedikit 2 rataan tidak sama
3. = 0,05
4. Daerah kritis Sig < 0,05
5. Perhitungan
Tabel 3.21 Output SPSS Uji Duncan RAL
Menggelindingkan kelereng
Duncan
Perlakuan N Subset for alpha = 0.05
1 2 3 4
1 10 94.80
2 10 110.00
3 10 124.60
4 10 146.20
Sig. 1.000 1.000 1.000 1.000
Page 52
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 52
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 10.000.
Sig 1 = 1.0 > 0,05
Sig 2 = 1.0 > 0,05
Sig 3 = 1.0 > 0,05
Sig 4 = 1.0 > 0,05
6. Keputusan :
Tolak H0 untuk taraf P1-P2, P1-P3, P1-P4, P2-P3, P2-P4 dan P3-P4
7. Kesimpulan :
Maka hal ini disimpulkan bahwa rataan antara P1 dengan P2, P1 dengan P3, P1
dengan P4, P2 dengan P3, P2 dengan P4 dan P3 dengan P4 tidak mempunyai
perbedaan yang berarti.
Analisis :
Dari hasil output Minitab diatas diketahui bahwa rataan tidak mempunyai perbedaan yang
berarti apabila nilai Sig ˃ 0,05 . Berdasarkan hasil output SPSS di atas menunjukkan
bahwa semua rataan memiliki perbedaan secara nyata dengan nilai sig1= 1, sig2= 1, dan
sig3= 1,. Dapat disimpulkan bahwa terdapat semua rataan mempunyai perbedaan yang
berarti, rataan tersebut adalah P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3,
P2 dengan P4 dan P3 dengan P4.
1.3.4 Uji Tukey
a. SPSS
Hipotesis
1. Ho = Tidak terdapat perbedaan yang nyata antara μ1 , μ2 , μ3, μ4
2. H1 = paling sedikit 2 rataan tidak sama
Page 53
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 53
3. = 0,05
4. Daerah kritis Sig < 0,05
5. Perhitungan SPSS Tabel 3.22 Output SPSS Uji Tukey RAL
Multiple Comparisons
Dependent Variable: Menggelindingkan kelereng
Tukey HSD
(I) Perlakuan (J) Perlakuan Mean
Difference (I-J)
Std. Error Sig. 95% Confidence Interval
Lower Bound Upper Bound
1
2 -15.200* 1.361 .000 -18.87 -11.53
3 -29.800* 1.361 .000 -33.47 -26.13
4 -51.400* 1.361 .000 -55.07 -47.73
2
1 15.200* 1.361 .000 11.53 18.87
3 -14.600* 1.361 .000 -18.27 -10.93
4 -36.200* 1.361 .000 -39.87 -32.53
3
1 29.800* 1.361 .000 26.13 33.47
2 14.600* 1.361 .000 10.93 18.27
4 -21.600* 1.361 .000 -25.27 -17.93
4
1 51.400* 1.361 .000 47.73 55.07
2 36.200* 1.361 .000 32.53 39.87
3 21.600* 1.361 .000 17.93 25.27
*. The mean difference is significant at the 0.05 level.
6. Keputusan :
Tolak H0 untuk taraf P1-P2, P1-P3, P1-P4, P2-P3 dan P2-P4. Terima H0 P3-P4
7. Kesimpulan :
Maka hal ini disimpulkan bahwa rataan antara P1-P3, P1-P4, P2-P3 dan P2-P4
terdapat perbedaan yang nyata.
Analisis :
Dari hasil output SPSS diatas terdapat syarat bahwa rataan tidak mempunyai
perbedaan yang berarti apabila nilai Sig ˃ 0,05 . Berdasarkan hasil output SPSS di
Page 54
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 54
atas menunjukkan bahwa semua rataan memiliki perbedaan secara nyata. Dapat
disimpulkan bahwa terdapat semua rataan mempunyai perbedaan yang berarti,
rataan tersebut adalah P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3,
P2 dengan P4 dan P3 dengan P4
c. Minitab
Hipotesis
1. H0 : Tidak terdapat perbedaan yang nyata antara μ1 , μ2 , μ3, μ4
2. H1 : Paling sedikit dua rataan tidak sama
3. α : 0.05
4. Daerah kritis : |yi-yj| > Tα
|yi-yj| >
5. Perhitungan :
Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons among Levels of Perlakuan
Individual confidence level = 98.93%
Perlakuan = 1 subtracted from:
Perlakuan Lower Center Upper ------+---------+---------+---------+---
2 11.532 15.200 18.868 (*-)
3 26.132 29.800 33.468 (-*)
4 47.732 51.400 55.068 (-*)
------+---------+---------+---------+---
-25 0 25 50
Perlakuan = 2 subtracted from:
Perlakuan Lower Center Upper ------+---------+---------+---------+---
3 10.932 14.600 18.268 (-*)
4 32.532 36.200 39.868 (*-)
------+---------+---------+---------+---
-25 0 25 50
Perlakuan = 3 subtracted from:
Perlakuan Lower Center Upper ------+---------+---------+---------+---
4 17.932 21.600 25.268 (-*)
------+---------+---------+---------+---
-25 0 25 50
Page 55
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 55
Tabel 3.23 Perhitungan data Uji Tukey
No. Center Nilai mutlak Tα
1 P1-P2 -15.2 15.2 3.67
2 P1-P3 -29.8 29.8 3.67
3 P1-P4 -51.4 51.4 3.67
4 P2-P3 -14.6 14.6 3.67
5 P2-P4 -36.2 36.2 3.67
6 P3-P4 -21.6 21.6 3.67
P1-P2 < 3.67= 15.2 >3.67
P1-P3 > 3.67 =29.8 > 3.67
P1-P4 > 3.67 = 51.4 > 3.67
P2-P3 < 3.67 = 14.6 >3.67
P2-P4 > 3.67 = 36.2 > 3.67
P3-P4 < 3.67 = 21.6 >3.67
6. Keputusan :
Tolak H0 untuk P1 dengan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3, P2
dengan P4, dan P3 dengan P4.
7. Kesimpulan :
Page 56
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 56
Untuk rataan P1 dengan rataan P2, P1 dengan P3, P1 dengan P4, P2 dengan P3,
P2 dengan P4 dan P3 dengan P4 terdapat perbedaan secara nyata.
c. Manual
HIpotesis
1. H0 = 1 = 2 = 3 = 4
2. H1 = paling sedikit 2 rataan tidak sama
3. = 0.05
4. Daerah kritis |yi-yj| > T
V = k(n-1) = 4 (10-1) = 36
T0.05 = q0.05 (k, v)Syi
T0.05 = q0.05 (4,36) X √
= 3,81 x √
= 3.67
5. Perhitungan :
Tabel 3.24 Rata-rata setelah diurutkan dari yang terkecil RAL
erlakuan Rata – Rata
P1 94.8
P2 110
P3 124.6
P4 146.2
Page 57
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 57
Tabel 3.25 Perhitungan Uji Tukey RAL
No
Nilai
mutlak
Means Different
s1 P4-P1 51.4 51.4 > 3.67
2 P4-P2 36.2 36.2 > 3.67
3 P4-P3 21.6 21.6 > 3.67
4 P3-P1 29.8 29.8 > 3.67
5 P3-P2 14.6 14.6 > 3.67
6 P2-P1 15.2 15.2 > 3.67
6. Keputusan :
Tolak H0 untuk perbedaan rata – rata antara taraf P4 – P1, P4 – P2, P3 – P1, P2 –
P1, P4-P3, P3-P2
7. Kesimpulan :
a. untuk rataan P4 dengan rataan P3 terdapat perbedaan secara nyata.
b. untuk rataan P4 dengan rataan P2 terdapat perbedaan secara nyata.
c. untuk rataan P4 dengan rataan P1 terdapat perbedaan secara nyata.
d. untuk rataan P3 dengan rataan P2 terdapat perbedaan secara nyata.
e. untuk rataan P3 dengan rataan P1 terdapat perbedaan secara nyata.
f. untuk rataan P2 dengan rataan P1 terdapat perbedaan secara nyata.
Page 58
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 58
Analisis
Dari hasil uji manual diatas dapat diperoleh kesimpulan bahwa antara P4
dengan P3, P4 dengan P2, P4 dengan P1, dan P3 denngan P2, dan P3 dengan P1
terdapat perbedaan yang secara nyata. Kesimpulannya berdasarkan uji Tukey
yang telah dilakukan dengan SPSS, minitab maupun manual, terdapat
perbedaan yang nyata rataan antar perlakuan.
1.3.5 Uji Dunnet
a. SPSS
Hipotesis
1. H0 : Semua rataan tidak terdapat perbedaan nyata.
2. H1 : Paling sedikit dua rataan tidak sama.
3. α : 0.05
4. Daerah kritis: sig< 0.05
5. Perhitungan:
Page 59
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 59
Tabel 3.26 Output SPSS Uji Dunnet RAL
Multiple Comparisons
Dependent Variable: menggelindingkan kelereng
Dunnett t (2-sided)
(I) Perlakuan (J) Perlakuan Mean
Difference (I-J)
Std. Error Sig. 95% Confidence Interval
Lower Bound Upper Bound
1 4 -51.400* 1.361 .000 -54.74 -48.06
2 4 -36.200* 1.361 .000 -39.54 -32.86
3 4 -21.600* 1.361 .000 -24.94 -18.26
*. The mean difference is significant at the 0.05 level.
a. Dunnett t-tests treat one group as a control, and compare all other groups against it.
P1: nilai signifikansi = 0,000
P2: nilai signifikansi = 0,000
P3: nilai signifikansi = 0,000
6. Keputusan:
Tolak H0 untuk P1, P2, dan P3.
7. Kesimpulan:
Untuk rataan P1 , rataan P2, dan rataan P3 terdapat perbedaan secara nyata
Analisis
Rataan dikatakan tidak mempunyai perbedaan nyata apabila nilai signifikansi ˃
0,05. Dari hasil output SPSS di atas menunjukkan bahwa semua rataan
memiliki nilai signifikansi < 0,05. Sehingga diperoleh kesimpulan bahwa untuk
semua rataan memiliki perbedaan yang nyata.
Page 60
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 60
b. Minitab
Hipotesis
1. H0 : Semua rataan tidak terdapat perbedaan nyata.
2. H1 : Paling sedikit dua rataan tidak sama.
3. α : 0.05
4. Daerah kritis : Jika tidak mengandung nilai nol
5. Perhitungan :
Dunnett's comparisons with a control
Family error rate = 0.05
Individual error rate = 0.0192
Critical value = 2.45
Control = level (1) of Perlakuan
Intervals for treatment mean minus control mean
Level Lower Center Upper +---------+---------+---------+---------
2 11.862 15.200 18.538 (--*-)
3 26.462 29.800 33.138 (--*--)
4 48.062 51.400 54.738 (--*--)
+---------+---------+---------+---------
12 24 36 48
6. Keputusan : Semua Ho ditolak
7. Kesimpulan :
Semua data terdapat perbedaan yang nyata.
Analisis
Dari pengujian Uji Dunnet secara minitab dapat disimpulkan bahwa semua data
memiliki perbedaan yang nyata. Hal ini dapat dilihat dari output minitab yang
tidak mengandung nilai nol. Sehingga H0 semua data ditolak.Pada uji Dunnet,
apabila | | (k,v) maka H0 ditolak.
Page 61
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 61
c. Manual
Hipotesis
1. : =
2. : ≠
3. : 0.05
4. Daerah kritis : | | (k,v)
V = k(n-1) = 4 (10-1) = 36
d ( k, v ) = d0.05 ( 4,36 ) = 2,56
|yi-yj| > 2,56
5. Perhitungan
Tabel 3.27 Perhitungan Uji Dunnet RAL
Kontrol 1 2 3
144 96 109 124
150 92 108 127
143 93 111 123
147 94 112 128
149 93 110 125
141 98 107 120
146 92 106 121
148 91 110 123
151 100 114 129
143 99 113 126
= 146.2 = 94.8 = 110 = 124.6
Page 62
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 62
=
√ i= 1,2,…,k
S2 = 9.3
=
√ = -37.68
=
√ = -26.54
=
√ = -15.83
Daerah kritis untuk menolak pada taraf keberartian α
| | (k,v)
Dimana (3,36) = Interpolasi
x = 2.564
| | 0,05 (4,36)
| | 0,05 (4,36)
| | 0,05 (4,36)
6. Keputusan : Tolak Ho untuk taraf P1-P4, P2-P4, dan P3-P4
7. Kesimpulan :
Untuk rataan P4 dengan rataan P1 terdapat perbedaan secara nyata.
Untuk rataan P4 dengan rataan P2 terdapat perbedaan secara nyata.
Untuk rataan P4 dengan rataan P3 terdapat perbedaan secara nyata
Page 63
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 63
Analisis
Berdasarkan pehitungan manual di atas, nilai | | , | | , dan | | adalah
lebih besar dari nilai (k,v). Jadi untuk P1-P4, P2-P4, dan P3-P4
terdapat perbedaan secara nyata.
3.1 RAK
3.2.1 Pengumpulan Data
Tabel 3.28 Data RAK Percobaan Menggelindingkan kelereng
3.2.2 Uji Asumsi Analisis Variansi
3.2.2.1 Uji Normalitas
a. SPSS
Hipotesis Kolmogorov Smirnov dan Shapiro Wilk
1. Ho = Data brdistribusi normal
2. Hi = Data Tidak berdistribusi normal
3. = 0.05
4. Daerah kritis : nilai sig < 0.05
5. Perhitungan :
No Alas/Kemiringan 15 25 35 45
1 Jeans 88 cm 98 cm 117 cm 138 cm
2 Plastik 95 cm 103 cm 127 cm 135 cm
3 Kertas Minyak 92 cm 114 cm 125 cm 141 cm
4 Kain Tipis 86 cm 112 cm 123 cm 139 cm
5 Buku 90 cm 113 cm 124 cm 143 cm
6 Talenan 96 cm 108 cm 128 cm 147 cm
7 Duplex 99 cm 120 cm 132 cm 142 cm
8 Papan Gantung 92 cm 106 cm 129 cm 152 cm
9 Kertas Asturo 86 cm 99 cm 126 cm 158 cm
10 Kertas Manila 88 cm 98 cm 121 cm 138 cm
Page 64
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 64
Tabel 3.29 Uji Normalitas RAL (SPSS)
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
panjang1 .166 10 .200* .936 10 .509
panjang2 .156 10 .200* .932 10 .464
panjang3 .103 10 .200* .989 10 .995
panjang4 .217 10 .200* .900 10 .220
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Kolmogorov Smirnov
Panjang 1 : 0.200
Panjang 2 : 0.200
Panjang 3 : 0.200
Panjang 4 : 0.200
Shapiro-Wilk
Panjang 1 : 0.509
Panjang 2 : 0.464
Panjang 3 : 0.995
Panjang 4 : 0.220
6. Keputusan
Untuk Uji Kolmogorov Smirnov : karena nilai sig untuk
semua panjang > 0.05 sehingga, Terima Ho untuk semua
perlakuan
Uji Shapiro Wilk : Karena nilai sig >dari 0.05 sehingga,
terima Ho untuk semua perlakuan
7. Kesimpulan
Untuk Uji Kolmogorov Smirnov : Data pada semua
perlakuan berdistribusi normal
Untuk Uji Shapiro Wilk : data pada semua erlakuan
Page 65
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 65
berdistribusi normal
Analisis
Dari data diatas dapat diketahui output software SPSS uji
normalitas pada uji Kolmogorov smirnov dan Shapiro Wilk. Dari tabel
di atas dapat diketahui nilai sig dalam kolom uji kolmogorov dari
masing-masing perlakuan panjang, yaitu untuk panjang 1, 2 ,3 dan 4
adalah 0.200 dan untuk nilai sig uji Shapiro wilk untuk panjang1 adalah
0.509, panjang2 0.464, panjang 3 0.995, dan untuk panjang4 adalah
0.220. dari nilai sig yang ditunjukan, dapat disimpulkan bahwa nilai uji
yang dihasilkan lebih besar dari , sehingga dapat disimpulakan bahwa
data berdistribusi normal.
Normal of Q-Q Plots
Panjang 1 saat sudut 15
Gambar 3.14 SPSS Q-Q Plot (15o)
Page 66
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 66
Data hasil percobaan untuk panjang 1, meskipun sudah berdistribusi
normal mmasih terdapat nilai yang melenceng atau keluar dari dagis
expected normal. Pada grafik di atas terdapat 7 titik dikarenakan
terdapat 3 titik yang memiliki nilai yang sama.
Panjang 2 saat sudut 25
Gambar 3.15 SPSS Q-Q Plot (25o)
Data hasil percobaan untuk panjang 2 meskipun sudah berdistribusi
normal mmasih terdapat nilai yang melenceng atau keluar dari dagis
expected normal. Pada grafik di atas terdapat 9 titik dikarenakan
terdapat 1 data yang memiliki nilai yang sama
Panjang 3 saat sudut 35
Page 67
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 67
Gambar 3.16 SPSS Q-Q Plot (35o)
Dari plot data di atas menunjukan bahwa data berdistribusi normal.
Hal ini dikarenakan persebaran titik berada dalam garis expected normal
dan mengikuti alur dari garis expected, meskipun terdapat dua data yang
berapa di luar garis expected. Dalam grafik di atas terdapat tepat 10 titik,
hal ini dikarenakan dari kesepuluh data tidak terdapat nilai yang sama.
Panjang 4 saat sudut 45
Gambar 3.17 SPSS Q-Q Plot (45o)
Page 68
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 68
Dari plot grafik di atas, menunjukan bahwa data panjang 4
berdistribusi normal. Hal ini dikarenakan data mengikuti pola garis
expected. Dalam grafik terdapat 9 titik dikarenan terdapat satu titik yang
memeiliki besar yang sama.
Detrendet Q-Q Plots
Panjang 1 saat sudut 15
Gambar 3.18 SPSS Q-Q Plot (15o)
Dari grafik di atas terlihat bahwa banyak data yang berada jauh dari
garis nok (0). Hanya 3 data yang berdapa dalam garis nol, sehingga data
ini bisa disebut tidak normal
Panjang 2 saat sudut 25
Page 69
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 69
Gambar 3.19 SPSS Q-Q Plot (25o)
Dari grafik di atas, terdapat 5 data yang masih berada dalam garis
nol (0), data diatas bisa disebut berdistribusi normal.
Panjang 3 saat sudut 35
Gambar 3.20 SPSS Q-Q Plot (35o)
Page 70
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 70
Dari data diatas menunjukan bahwa data berdistribusi normal. Karena
banyak data yang berada dalam garis nol (0).
Panjang 4 saat sudut 45
Gambar 3.21 SPSS Q-Q Plot (45o)
Dari data di atas hanya terdapat satu data yang berada tepat dalam garis
nol, data ini bisa dikatakan tidak berdistribusi normal.
b. Minitab
Hipotesis Untuk data sudut 15
1. Ho : Data berdistribusi normal
2. Hi : Data tidak Berdistribusi normal
3. = 0.05
4. Daerah kritis : P-value < 0.05
5. Perhitungan : P-value > 0.150 dan = 0.05
Sehingga P-Value > = 0.150 > 0.05
Page 71
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 71
Gambar 3.22 Minitab Probability Plot (15o)
6. Keputusan : Karena P-Value > = 0.150 > 0.05, Ho diterima
7. Kesimpulan: Data berdistribusi normal
Analisis
Dalam grafik terdapat dua garis, yaitu garis lurus merupakan garis
expected normal dan garis yang dibuat oleh titik data. Dalam grafik
di atas telihat bahwa garis yang dibuat oleh-oleh titik –titik data
mengikuti alur garis expected. Hal ini menunjukan bahwa data
berdistribusi normal.
Hipotesis Untuk data sudut 25
1. Ho : Data berdistribusi normal
2. Hi : Data tidak Berdistribusi normal
3. = 0.05
4. Daerah kritis : P-value < 0.05
5. Perhitungan : P-value > 0.150 dan = 0.05
Sehingga P-Value > = 0.150 > 0.05
C1
Pe
rce
nt
10095908580
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0.150
91.2
StDev 4.417
N 10
KS 0.116
P-Value
Probability Plot of C1Normal
Page 72
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 72
Gambar 3.23 Minitab Probability Plot (25o)
6. Keputusan : Karena P-Value > = 0.150 > 0.05, Ho diterima
7. Kesimpulan: Data berdistribusi normal
Analisis
Dalam grafik terdapat dua garis, yaitu garis lurus merupakan garis
expected normal dan garis yang dibuat oleh titik data. Dalam grafik di
atas telihat bahwa garis yang dibuat oleh-oleh titik –titik data mengikuti
alur garis expected. Hal ini menunjukan bahwa data berdistribusi normal.
Hipotesis unutk data sudut 35
1. Ho : Data berdistribusi normal
2. Hi : Data tidak Berdistribusi normal
3. = 0.05
4. Daerah kritis : P-value < 0.05
5. Perhitungan : P-value > 0.150 dan = 0.05
Sehingga P-Value > = 0.150 > 0.05
C4
Pe
rce
nt
13012011010090
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0.150
107.1
StDev 7.622
N 10
KS 0.156
P-Value
Probability Plot of C4Normal
Page 73
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 73
Gambar 3.24 Minitab Probability Plot (35o)
6. Keputusan : Karena P-Value > = 0.150 > 0.05, Ho diterima
7. Kesimpulan: Data berdistribusi normal
Analisis
Dalam grafik terdapat dua garis, yaitu garis lurus merupakan garis
expected normal dan garis yang dibuat oleh titik data. Dalam grafik di
atas telihat bahwa garis yang dibuat oleh-oleh titik –titik data mengikuti
alur garis expected. Hal ini menunjukan bahwa data berdistribusi normal.
Hipotesis untuk data sudut 45
1. Ho : Data berdistribusi normal
2. Hi : Data tidak Berdistribusi normal
3. = 0.05
4. Daerah kritis : P-value < 0.05
5. Perhitungan : P-value > 0.150 dan = 0.05
Sehingga P-Value > = 0.150 > 0.05
C7
Pe
rce
nt
135130125120115
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0.150
125.2
StDev 4.264
N 10
KS 0.103
P-Value
Probability Plot of C7Normal
Page 74
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 74
Gambar 3.25 Minitab Probability Plot (45o)
6. Keputusan : Karena P-Value > = 0.150 > 0.05, Ho diterima
7. Kesimpulan: Data berdistribusi normal
Analisis
Dalam grafik terdapat dua garis, yaitu garis lurus merupakan garis
expected normal dan garis yang dibuat oleh titik data. Dalam grafik di
atas telihat bahwa garis yang dibuat oleh-oleh titik –titik data mengikuti
alur garis expected. Hal ini menunjukan bahwa data berdistribusi normal.
3.2.2.2 Uji Linieritas
a. SPSS
Hipotesis
1. Ho : Data berdistribusi normal
2. H1 : Data tidak berdistribusi normal
3. = 0.05
4. Daerah kitis : nilai sig < 0.05
5. Perhitungan :
C10
Pe
rce
nt
160155150145140135130125
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0.150
143.3
StDev 7.119
N 10
KS 0.217
P-Value
Probability Plot of C10Normal
Page 75
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 75
Tabel 3.30 Uji Linieritas RAL (SPSS)
ANOVA Table
Sum of Squares df Mean Square F Sig.
panjang1 *
sudut
Between
Groups
(Combined) 15222.200 3 5074.067 138.573 .000
Linearity 15207.680 1 15207.680 415.321 .000
Deviation from
Linearity 14.520 2 7.260 .198 .821
Within Groups 1318.200 36 36.617
Total 16540.400 39
6. Keputusan : karena nilai sig > 0.05, maka Ho diterima
7. Kesimpulan : Data berdistribusi normal
Analisis
Dari hasil output SPSS, maka dapat dilihat dari kolom sig pada
nilai deviation from linearity mempunyai nilai sebesar 0,821. Sehingga
dapat dikatakan data tergolonglinier.Hal
inimenunjukkanbahwapengambilan data yang
dilakukantidakadaperlakuankhusus yang menjadikan data
bersifatlinieritas.Sehinggadapatdisimpulkanantara 4 perlakuan sudut
luncur kelereng yang berbeda-beda dengan panajang diatas 10 alas yang
berbeda pula memenuhi syarat kelinearitasan.
3.2.2.3 Ujji Homogenitas Variansi
Manual
1. Ho : σ12 = σ2
2= σ3
2= σ4
2
2. Hi : variasi tidak semua sama
3. = 0.05
4. Daerah kritis : g > gα, dengan n = 10 dan k = 4 maka, nilai
gα(Lihat tabel L.11) adalah 0,5017
5. perhitungan :
Page 76
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 76
Tabel 3.31 Perhitungan homogenitas
No Alas/Kemiringan 15 25 35 45
1 Jeans 88 98 117 138
2 Plastik 95 103 127 135
3 Kertas Minyak 92 114 125 141
4 Kain Tipis 86 112 123 139
5 Buku 90 113 124 143
6 Talenan 96 108 128 147
7 Duplex 99 120 132 142
8 Papan Gantung 92 106 129 152
9 Kertas Asturo 86 99 126 158
10 Kertas Manila 88 98 121 138
Si² 19.51 58.10 18.18 50.68
G =
∑
0.396668
6. Keputusan : karena : g < gα = 0.3966<0.5017, Ho diterima
7. Kesimpulan : σ12 = σ2
2= σ3
2= σ4
2
SPSS
1. Ho = σ12
= σ22= σ3
2= σ4
2
2. Hi = Tidak semua variansi sama atau homogen
3. = 0.05
4. Daerah Kritis : nilai sig < 0.05
5. Perhitungan
Tabel 3.32 Output SPSS Uji Homogenitas
Test of Homogeneity of Variances
panjang1
Levene Statistic df1 df2 Sig.
1.978 3 36 .135
Nilai sig = 0.135 , dimana = 0.05
Page 77
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 77
Sehingga nialai sig> = 0.135 > 0.05
6. Keutusan : nilai sig > sehingga Ho diterima
7. Kesimpulan : Data bersifat homogeny
Minitab
1. Ho: Sampel bersifat homogeny
2. Hi : sampel tidak homogeny
3. = 0.05
4. Daerah Kritis : P value Barlett test < 0.05 dan P value
levene test < 0.05, Ho ditolak
5. Perhitungan :
Gambar 3.26 Uji Homogenitas RAK (Minitab)
C3
95% Bonferroni Confidence Intervals for StDevs
45
35
25
15
18161412108642
Bartlett's Test
0.211
Test Statistic 4.67
P-Value 0.197
Levene's Test
Test Statistic 1.58
P-Value
uji homogenitas
Page 78
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 78
P value F test = 0.000, P value Levene test 0.000, jadi
P Value F test > 0.005 , P value Levene Test > 0.05
6. Keputusan
P Value F test > 0.005 maka Ho diterima
P value Levene Test > 0.05, maka Ho diterima
7. Kesimpulan
Sampel bersifat homogen
3.2.2.4 Uji Indendensi (Chi-Square)
a. Manual
Hipotesis
1. Ho : Ada kebebasan antara perlakuan dengan relikasi
2. H1: Tidak ada kebebasan anatara perlakuan dengan replikasi
3. = 0.05
4. Daerah kritis : : 2>
2 dimana
2 =
5. Perhitungan :
Tabel 3.33 Perhitungan Manual Uji Independensi RAK 1
Replikasi 1 2 3 4
total Oi Ei Oi Ei Oi Ei Oi Ei
1 88 86.16 98 101 117 118 138 135 441
2 95 89.87 103 106 127 123 135 141 460
3 92 92.22 114 108 125 127 141 145 472
4 86 89.87 112 106 123 123 139 141 460
5 90 91.83 113 108 124 126 143 144 470
6 96 93.58 108 110 128 128 147 147 479
7 99 96.32 120 113 132 132 142 151 493
8 92 93.58 106 110 129 128 152 147 479
9 86 91.63 99 108 126 126 158 144 469
10 88 86.94 98 102 121 119 138 137 445
Total 912 1071 1252 1433 4668
Page 79
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 79
Tabel 3.34 Perhitungan Manual Uji Independensi RAK 2
Replikasi perlakuan
1 2 3 4
1 0.039321 0.099981 0.013856 0.050712
2 0.292661 0.061122 0.106439 0.273314
3 0.000506 0.30075 0.020088 0.104773
4 0.166774 0.39543 0.001147 0.034666
5 0.036279 0.247469 0.033607 0.011397
6 0.062396 0.032817 0.001735 1.39E-05
7 0.074638 0.41955 0.00039 0.576777
8 0.026796 0.138336 0.002169 0.166956
9 0.345901 0.688091 0.00035 1.366139
10 0.012902 0.164511 0.022726 0.014189
V = (n-1)(k-1)=(10-1)(4-1)=27
Dari tabel L5 didapat2 (dengannilaiv = 27) = 40.113
2
k
i ei
eiOi
1
2)(= 6.407676
6. Keputusan : Karena 2<
2, maka jangan tolak Ho.
7. Kesimpulan : data percobaan terdapat kebebasan antar
perlakuan dengan replika
Analisis
Pada uji indenpedensi dengan perhitungan manual diperoleh
keputusan untuk tidak menolak Ho sehingga memperlihatkan adanya
kebebasan antara perlakuan dengan replikasi dan data independen yang
dapat dilihat dari nilai chi square telah memenuhi kriteria
independenitas. Nilai 2
adalah 6.40
b. Minitab
Hipotesis
1. Ho : Ada kebebasan antara perlakuan dengan relikasi
2. H1: Tidak ada kebebasan anatara perlakuan dengan replikasi
3. = 0.05
Page 80
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 80
4. Daerah kritis : : 2>
2, 2
= 16.92
5. Perhitungan Expected counts are printed below observed counts
Chi-Square contributions are printed below expected
counts
C1 C4 C7 C10 Total
1 88 98 117 138 441
86.16 101.18 118.28 135.38
0.039 0.100 0.014 0.051
2 95 103 127 135 460
89.87 105.54 123.38 141.21
0.293 0.061 0.106 0.273
3 92 114 125 141 472
92.22 108.29 126.59 144.90
0.001 0.301 0.020 0.105
4 86 112 123 139 460
89.87 105.54 123.38 141.21
0.167 0.395 0.001 0.035
5 90 113 124 143 470
91.83 107.83 126.06 144.28
0.036 0.247 0.034 0.011
6 96 108 128 147 479
93.58 109.90 128.47 147.05
0.062 0.033 0.002 0.000
7 99 120 132 142 493
96.32 113.11 132.23 151.34
0.075 0.420 0.000 0.577
8 92 106 129 152 479
93.58 109.90 128.47 147.05
0.027 0.138 0.002 0.167
9 86 99 126 158 469
91.63 107.60 125.79 143.98
0.346 0.688 0.000 1.366
10 88 98 121 138 445
86.94 102.10 119.35 136.61
0.013 0.165 0.023 0.014
Total 912 1071 1252 1433 4668
Chi-Sq = 6.408, DF = 27, P-Value = 1.000
6. Keputusan
Karena 2<
2 yaitu 6.408 < 16.92 maka Ho diterima
Page 81
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 81
7. Kesimpulan
Terdapat hubungan saling bebas antara perlakuan
Analisa
Dari output software di atas dapat diketahui bahwa 2
adalah
6.408 dan nilai
2 adalah 16.92 sehingga menurut uji hipotsis
dimana daerah kritis adalah dimana 2>
2 tidak terpenuhi
sehingga Ho diterima sehingga dapat disimpulakan bahwa data
diatas berdistribusi normal.
3.2.2.5 Uji Ketidakadiktifan
a. Manual
Hipotesis
H0 : Uji aditif diterima
2. H1 : Uji aditif ditolak
3. α = 0,05
4. Daerah kritis : F hitung > Fα = Fα (1,36) = 4,116, F hitung
> 4,116
5. Perhitungan :
Tabel 3.35 Data Perhitungan Uji Ketidakadiktifan RAK
NO 15 25 35 45 Yj bar
1 88 98 117 138 110.25
2 95 103 127 135 115
3 92 114 125 141 118
4 86 112 123 139 115
5 90 113 124 143 117.5
6 96 108 128 147 119.75
7 99 120 132 142 123.25
8 92 106 129 152 119.75
9 86 99 126 158 117.25
10 88 98 121 138 111.25
Yi Bar 91.2 107.1 125.2 143.3 116.7
Yi J 912 1071 1252 1433 4668
Page 82
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 82
Tabel 3.36 Data Perhitungan Uji Ketidakadiktifan RAK 2
Q=∑(Ýi-
Ý)(Ýj-
Ý)Ýij
1 2 3 4
1 14473.8 6068.16 -6414.53 -23676.7
2 4118.25 1680.96 -1835.15 -6104.7
3 -3049.8 -1422.72 1381.25 4875.78
4 3728.1 1827.84 -1777.35 -6285.58
5 -1836 -867.84 843.2 3043.04
6 -7466.4 -3162.24 3318.4 11926.11
7 -
16535.475 -7545.6 7349.1 24740.66
8 -7155.3 -3103.68 3344.325 12331.76
9 -1206.15 -522.72 589.05 2311.54
10 12229.8 5127.36 -5605.33 -20005.9
jumlah -270.59
Jumlah kuadrat 73218.95
Tabel 3.34 Hasil Perhitungan Uji Ketakadiktifan RAK 1
Yi-Y bar Yi-Y bar Yi-Y bar Yi-Y bar (Yi-Y bar)2 (Yi-Y bar)2
(Yi-Y bar)2 (Yi-Y bar)2
-28.7 -18.7 0.3 21.3 823.69 349.69 0.09 453.69
-21.7 -13.7 10.3 18.3 470.89 187.69 106.09 334.89
-24.7 -2.7 8.3 24.3 610.09 7.29 68.89 590.49
-30.7 -4.7 6.3 22.3 942.49 22.09 39.69 497.29
-26.7 -3.7 7.3 26.3 712.89 13.69 53.29 691.69
-20.7 -8.7 11.3 30.3 428.49 75.69 127.69 918.09
-17.7 3.3 15.3 25.3 313.29 10.89 234.09 640.09
-24.7 -10.7 12.3 35.3 610.09 114.49 151.29 1246.09
-30.7 -17.7 9.3 41.3 942.49 313.29 86.49 1705.69
-28.7 -18.7 4.3 21.3 823.69 349.69 18.49 453.69
jumlah 16540.4
Page 83
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 83
Tabel 3.35 Hasil Perhitungan Uji Ketakadiktifan RAK 2
yij^2 1 2 3 4
1 7744 9604 13689 19044
2 9025 10609 16129 18225
3 8464 12996 15625 19881
4 7396 12544 15129 19321
5 8100 12769 15376 20449
6 9216 11664 16384 21609
7 9801 14400 17424 20164
8 8464 11236 16641 23104
9 7396 9801 15876 24964
10 7744 9604 14641 19044
jumlah 561296
Tabel 3.36 Data Perhitungan Uji Ketidakadiktifan RAK
15 25 35 45 total
88 98 117 138 441
95 103 127 135 460
92 114 125 141 472
86 112 123 139 460
90 113 124 143 470
96 108 128 147 479
99 120 132 142 493
92 106 129 152 479
86 99 126 158 469
88 98 121 138 445
912 1071 121 138 4668
Page 84
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 84
∑
∑
15222.2
564.9
=0.34
Ketidakadiktifan = 0.113
KT pengujian sisa = 27.887385
F hitung =
= 0.0040
6. Keputusan: : F hitung < Fα = 0.0040 < 4.116 , Ho diterima
7. Kesimpulan : Uji aditif diterima
Analisis
Dari uji ketidakadiktifan terlihat bahwa F hitung lebih kecil
dibandingkan dengan F yaitu 0.0040 < 4.116 oleh karena itu uji
keadiktifan diterima.
3.2.3 Analisis Variansi
a. Manual
Hipotesis
1. Ho : μ1 = μ2 = μ3 = μ4
2. H1 : Paling sedikit dua rataan tidak sama
3. α = 0,05
4. Daerah kritisnya : F hitung > F tabel
5. Perhitungan :
Page 85
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 85
V1 = k – 1 v2 = (k-1) (n-1)
= 4 – 1 =3 v2 = 3(10-1) = 27
Dilakukan interpolasi dari tabel L6 untuk mendapatkan nilai F tabel:
( ) ( )
maka daerah kritis : Fhitung > F tabel, dimana F tabel
Tabel 3.37 Data Perhitungan Uji Ketidakadiktifan RAK
RAK Perlakuan (dalam derajat) Total
total^2
Media 15 25 35 45
1 88 98 117 138 441 194481
2 95 103 127 135 460 211600
3 92 114 125 141 472 222784
4 86 112 123 139 460 211600
5 90 113 124 143 470 220900
6 96 108 128 147 479 229441
7 99 120 132 142 493 243049
8 92 106 129 152 479 229441
9 86 99 126 158 469 219961
10 88 98 121 138 445 198025
Sigma (T)
912 1071 1252 1433 4668 2181282
T kuadrat
831744 1147041 1567504 2053489 5599778
Page 86
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 86
Tabel 3.38 Data Perhitungan Uji Ketidakadiktifan RAK
RAK Perlakuan (dalam derajat) Total
Media 15 25 35 45
1 7744 9604 13689 19044 50081
2 9025 10609 16129 18225 53988
3 8464 12996 15625 19881 56966
4 7396 12544 15129 19321 54390
5 8100 12769 15376 20449 56694
6 9216 11664 16384 21609 58873
7 9801 14400 17424 20164 61789
8 8464 11236 16641 23104 59445
9 7396 9801 15876 24964 58037
10 7744 9604 14641 19044 51033
total 83350 115227 156914 205805 561296
Faktor Korelasi =
( )
544755.6
∑∑
(∑ )
( )
16540.4
[∑ ]
(∑ )
15222.2
∑
(∑ )
Page 87
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 87
=564.9
JKG = JKT –JKA –JKB
=16540.4-15222.2-564.9
=753.3
rataan kuadrat perlakuan ( )
( )
( )
( )( )
Tabel 3.39 Analisis Variansi data
Sumber Variasi Jumlah Kuadrat Derajat
Kebebasan
Rataan Kuadrat F hitung
JKA 15222.2 3
JKB 564.9 9
JKG 753.3 27
JKT 16540.4 39
6. Keputusan : Karena F hitung > F tabel maka Ho ditolak
7. Kesimpulan : Berdasarkan dengan software dan secara manual yang
telah dilakukan terlihat bahwa nilai Fhitung > F tabel yaitu sebesar
181.866> 2.872. maka diambil keputusan bahwa ANOVA ditolak.
Page 88
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 88
Analisis
ho dapat diterima jika Fhitung < F tabel. Dari perhitungan di atas
didapat bahwa besarnya F hitung adalah sebsar 181.866 dan f tabel
sebesar 2.8839. sehingga dapat disimpulkan bahwa F hitung> dari
pada F tabel. Hal ini menyebabkan Ho ditolak, sehingga kesimpulan
yang diperoleh adalah keputusan ANOVA ditolak.
b. Minitab
Two-way ANOVA: C1 versus C3, C2 Source DF SS MS F P
C3 3 15222.2 5074.07 181.87 0.000
C2 9 564.9 62.77 2.25 0.050
Error 27 753.3 27.90
Total 39 16540.4
S = 5.282 R-Sq = 95.45% R-Sq(adj) = 93.42%
c. Excel
ANOVA Source of Variation SS df MS F P-value F crit
Rows 564.9 9 62.76667 2.249701 0.05004 2.250131
Columns 15222.2 3 5074.067 181.8662 5.15E-
18 2.960351
Error 753.3 27 27.9
Total 16540.4 39
3.2.4 Uji Perbandingan Berpasangan
Uji T
Manual
P1 dan P2 (Sudut 1 dan sudut 2)
1. Ho :
2. H1 :
3. = 0.05
Page 89
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 89
4.
( )
5. :
Tabel 3.40 Perhitungan Jumlah dan Rata-Rata RAK
no P1 P2
1 88 98
2 95 103
3 92 114
4 86 112
5 90 113
6 96 108
7 99 120
8 92 106
9 86 99
10 88 98
rata2 91.2 107.1
S² 19.51111 58.1
√ ( ) ( )
√( ) ( )
6.229411
( )
√
Page 90
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 90
√
= -0.57074
6. : Ho di terima
7. Kesimpulan : Rataan perlakuan 1 sama dengan rataan perlakuan 2
P1 dan P3
1. Ho :
2. H1 :
3. = 0.05
4.
( )
5. :
Tabel 3.41 Perhitungan Jumlah dan Rata-Rata RAK
No P1 P3
1 88 117
2 95 127
3 92 125
4 86 123
5 90 124
6 96 128
7 99 132
8 92 129
9 86 126
10 88 121
rata2 91.2 125.2
s² 19.51111 18.17778
√ ( ) ( )
Page 91
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 91
√( ) ( )
4.341019
( )
√
√
= -1.75135
6. : Ho diterima
8. Kesimpulan : Rataan perlakuan 1 sama dengan rataan perlakuan 3
P1 dan P4
1. Ho :
2. H1 :
3. = 0.05
4.
( )
5. :
Tabel 3.42 Perhitungan Jumlah dan Rata-Rata RAK
NO P1 P4
1 88 138
2 95 135
3 92 141
4 86 139
5 90 143
6 96 147
7 99 142
8 92 152
Page 92
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 92
Lanjutan Tabel 3.42 Perhitungan Jumlah dan Rata-Rata RAK
9 86 158
10 88 138
rata2 91.2 143.3
s² 19.51111 50.67778
√ ( ) ( )
√( ) ( )
5.924056
( )
√
√
= -1.96654
6. Keputusan : Ho diterima
9. Kesimpulan: Rataan perlakuan 1 sama dengan rataan perlakuan 4
P2 dan P3
1. Ho :
2. H1 :
3. = 0.05
4.
( )
5. :
Page 93
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 93
Tabel 3.43 Perhitungan Jumlah dan Rata-Rata RAK
No p2 p3
1 98 117
2 103 127
3 114 125
4 112 123
5 113 124
6 108 128
7 120 132
8 106 129
9 99 126
10 98 121
rata2 107.1 125.2
58.1 18.17778
√ ( ) ( )
√( ) ( )
6.175669
( )
√
√
= -0.65536
6. Keputusan : Ho diterima
7. Kesimpulan : Rataan perlakuan 2 sama dengan rataan perlakuan 3
Page 94
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 94
P2 dan P4
1. Ho :
2. H1 :
3. = 0.05
4.
( )
5. :
Tabel 3.44 Perhitungan Jumlah dan Rata-Rata RAK
No P2 P4
1 98 138
2 103 135
3 114 141
4 112 139
5 113 143
6 108 147
7 120 142
8 106 152
9 99 158
10 98 138
rata2 107.1 143.3
58.1 50.67778
√ ( ) ( )
√( ) ( )
7.374882
Page 95
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 95
( )
√
√
= -1.09759
6. Keputusan : , Ho diterima
8. Kesimpulan : Rataan perlakuan 2 sama dengan rataan perlakuan 4
P3 dan P4
1. Ho :
2. H1 :
3. = 0.05
4.
( )
5.
Tabel 3.45 Perhitungan Jumlah dan Rata-Rata RAK
NO P3 P4
1 117 138
2 127 135
3 125 141
4 123 139
5 124 143
6 128 147
7 132 142
8 129 152
9 126 158
10 121 138
rata2 125.2 143.3
18.17778 50.67778
Page 96
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 96
√ ( ) ( )
√( ) ( )
5.867519
( )
√
√
= -0.68978
6. Keputusan : Ho diterima
7. Kesimpulan : Rataan perlakuan 3 sama dengan rataan perlakuan 4
Analisis
Berdasarkan Uji t yang telah dilakukan secara manual, keenam pengujian yang telah
dilakukan setiap ho diterima. Karena semua nilai t berada di luar daerah kritis ( t tabel > t >
- t tabel , dimana t tabel ). Dapat disimpulkan bahwa rataan di tiap perlakuan
adalah sama.
Page 97
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 97
UJi F
1. Ho :
2. H1 :
3. = 0.10
4. Daerah Kritis :
f0,05(9,9) = 3,18
f0,95(9,9) = 0,31
Jadi, hipotesis nol ditolak jika f < 0,31 dan f > 3,18, dengan derajat
kebebasan v1 = 9 dan v2 = 9
5. Perhitungan
Tabel 3.46 Perhitungan Jumlah dan Rata-Rata RAK
No 15 25 35 45
1 88 98 117 138
2 95 103 127 135
3 92 114 125 141
4 86 112 123 139
5 90 113 124 143
6 96 108 128 147
7 99 120 132 142
8 92 106 129 152
9 86 99 126 158
10 88 98 121 138
mean 91.2 107.1 125.2 143.3
stdev 4.417138 7.622336 4.263541 7.118833
s^2 19.51111 58.1 18.17778 50.67778
Page 98
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 98
f =
perlakuan 1 dan 2
f =
=
= 0.335
perlakuan 1 dan 3
f =
=
= 1.073
perlakuan 1 dan 4
f =
=
= 0.38
perlakuan 2 dan 3
f =
=
= 3.19
perlakuan 2 dan 4
f =
=
=1.14
perlakuan 3 dan 4
f =
=
=0.35
6. Keputusan
Perlakuan 1 dan 2, f > 0,31 dan f < 3,18, maka jangan tolak Ho
Perlakuan 1 dan 3 f >0,31 tetapi f < 3,18, jangan maka tolak Ho
Perlakuan 1 dan 4 f > 0,31 dan f < 3,18, maka jangan tolak Ho
Perlakuan 2 dan 3 f > 0,31 dan f > 3,18, maka tolak Ho
Perlakuan 2 dan 4 f > 0,31 dan f < 3,18, maka jangan tolak Ho
Perlakuan 3 dan 4 f > 0,31 dan f < 3,18, maka jangan tolak Ho
Page 99
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 99
7. Kesimpulan
Variansi perlakuan 1 sama dengan variansi perlakuan 2
Variansi perlakuan 1 sama dengan variansi perlakuan 3
Variansi perlakuan 1 sama dengan variansi perlakuan 4
Variansi perlakuan 2 tidak sama dengan variansi perlakuan 3
Variansi perlakuan 2 sama dengan variansi perlakuan 4
Variansi perlakuan 3 sama dengan variansi perlakuan 4
Analisis
Dalam perhitungan Uji F diatas, diperoleh bahwa Variansi
perlakuan 1 sama dengan variansi perlakuan 2, Variansi
perlakuan 1 sama dengan variansi perlakuan 3, Variansi
perlakuan 1 sama dengan variansi perlakuan 4, Variansi
perlakuan 2 tidak sama dengan variansi perlakuan 3, Variansi
perlakuan 2 sama dengan variansi perlakuan 4, Variansi
perlakuan 3 sama dengan variansi perlakuan 4
Page 100
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 100
BAB IV
PENUTUP
4.1 Kesimpulan
1. Analisis variansi (ANOVA) merupakan Analisis Varians pertama kali yang
diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. ANOVA adalah suatu uji
perhitungan yang diterapkan untuk data yang dihasilkan oleh eksperimen yang diracang
atau pada kasus dimana data dikumpul pada variabel yang terkontrol. ANOVA
merupakan metode analisis statistika yang termasuk ke dalam cabang statistika
inferensi. Yang dimana nama lain juga dikenal dalam metode ini , nama-nama tersebut
diantaranya adalah: analisis ragam, sidik ragam, dan analisis variansi. ANOVA juga
merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai
dalam pengambilan keputusan. Dalam praktik, analisis varians dapat merupakan uji
hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang
genetika terapan).
Secara umum, analisis varians menguji dua varians (atau ragam)
berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah
varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-
masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua
contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean).
2. Dalam menganalisis perbedaan tiga variabel atau lebih, one-way ANOVA sangat
berguna untuk dimanfaatkan. Dalam hal ini, terdapat perbedaan dalam penggunaan One
way ANOVA dan two way ANOVA, dimana perbedaan karakteristik one-way ANOVA
dan two way ANOVA adalah one-way ANOVA berlaku jika variabel-variabel yang
digunakan dalam penelitian diambil secara acak dari setiap kelompok.. Jika variabel-
variabel tiap kelompok tidak diambil secara acak melainkan ditempatkan dalam cluster-
Page 101
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 101
cluster tertentu sesuai dengan karakteristik yang mungkin ada dalam variabel itu, maka
teknik analisisnya adalah two way ANOVA.
3. Pada pengolahan data modul 2 ini, hasil SPSSnya adalah sebagai berikut :
a. Rancangan Acak Lengkap (RAL)
Uji normalitas :
Kolmogorov Smirnov
Nilai sig yang diperoleh berturut-turut adalah 0,200; 0,200; 0,200; 0,200
Shapiro-Wilk
Nilai sig yang diperoleh berturut-turut adalah 0,201; 0,963; 0,914; 0,744
Uji Linearitas
Nilai Eta Square yang diperoleh pada linearity adalah 0,978
Uji homogenitas Variansi
Nilai Sig yang diperoleh adalah 0,694
Analisis Variansi (ANOVA)
Nilai f hitung yang diperoleh adalah 517,176
Uji Perbandingan Berpasangan
Uji Orthogonal Contrast
Terdapat perbedaan secara nyata antara semua pasangan.
Uji LSD
Terdapat perbedaan secara nyata antara semua pasangan.
Uji Duncan
Terdapat perbedaan secara nyata antara semua pasangan.
Uji Tukey
Terdapat perbedaan secara nyata antara semua pasangan.
Uji Dunnet
Terdapat perbedaan secara nyata antara semua pasangan.
Page 102
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 102
b. Rancangan Acak Kelompok (RAK)
Uji Normalitas
Kolmogorov Smirnov
Nilai sig yang diperoleh berturut-turut adalah 0, 200; 0,200; 0,200; 0,200
Shapiro-Wilk
Nilai sig yang diperoleh berturut-turut adalah 0,509; 0,464; 0,995; 0,220
Uji Linieritas
Nilai Sig yang diperoleh pada linearity adalah 0,000 dan pada deviation from linearity
adalah 0,821
Uji Homogenitas Variansi
Nilai Sig yang diperoleh adalah 0,135
4. Dari hasil olahan data, semua uji di atas dapat disimpulkan bahwa data Rancangan Acak
Kelompok (RAK) dan Rancangan Acak Lengkap (RAL) mengenai jarak
mengglindingkan kelereng 4 perlakuan dengan perbedaan sudut awal , ,
dan adalah berdistribusi normal.
4.2 Saran
1. Dalam membaca output SPSS dan minitab hendaknya praktikan lebih teliti agar tidak
terjadi kesalahan dalam penganalisaan hasil output.
2. Dalam perhitungan pengujian manual praktikan seharusnya lebih teliti agar hasil yang
didapat sesuai dengan pengolahan menggunakan software.
3. Dalam pengambilan data RAK dan RAL seharusnya lebih teliti dalam melihat jarak yang
dihasilkan oleh gelinding kelereng tersebut.
4. Praktikan diharapkan mengerti penggunaan Ms. Excel agar lebih memudahkan dalam
perhitungan manual.
Page 103
Laporan Statistika Industri Modul 2 “Analisis Variansi”
Kelompok 15
Program Studi Teknik Industri Universitas Diponegoro 103