Manual
analisis Varians
Modul
5
Analisis Varians
Pada Modul 4, telah dibahas uji-t dua sampel untuk menguji
hipotesis apakah terdapat perbedaan antara dua buah rata-rata
sampel yang independen. Pada bagian ini, akan digunakan analisis
varians (ANAVA) untuk memperluas perbandingan rata-rata untuk lebih
dari dua buah sampel, dimana rumusan hipotesisnya adalah:
H0: (1 = (2 = = (k (tidak terdapat perbedaan
rata-rata.......)
H1: Paling sedikit ada satu ( yang berbeda
Istilah analisis varians sepertinya tidak tepat karena yang akan
dibandingkan adalah rata-ratanya. Akan tetapi apabila kita lihat
bagaimana statistik F yang dibentuk untuk menguji hipotesis di
atas, maka istilah analisis varians menjadi lebih jelas, yaitu:
F =
Apabila rata-rata tersebut berbeda jauh, dalam hal ini relatif
terhadap variasi di dalam masing-masng kelompok, maka besarnya
nilai statistik F akan besar dan hipotesis nol akan ditolak.
Selanjutnya apabila kita hanya menggunakan dua buah kelompok dalam
analisis varians, maka statistik F yang dihasilkan merupakan
kuadrat dari statistik t yang berasal dari uji-t dua sampel.
Asumsi-asumsi
Ada beberapa asumsi yang harus dipenuhi dalam penggunaan
analisis varians ini. Pemeriksaan asumsi dapat dilakukan dengan dua
cara. Pertama, kita dapat mengeksplorasi data atau
variabel-variabel yang diamati secara grafis melalui boxplot atau
histogram untuk melihat apakah distribusi dalam masing-masing
kelompok itu simetris dan bebas dari pencilan atau data-data yang
menyimpang lainnya. Juga perlu dilihat apakah penyebaran data antar
kelompok tersebut konstan atau tidak. Kedua, pemeriksaan secara
formal untuk memerika bahwa:
Populasi-populasi yang diamati berdistribusi normal.
Varians dari k populasi adalah sama.
Data pengamatan merupakan data yang saling bebas.
Uji Perbandingan Ganda
Analisis varians merupakan alat yang ampuh bagi pengujian
kesamaan beberapa nilai tengah. Akan tetapi bila H0 ditolak, bahwa
nilai tengah itu tidak sama, maka kita tetap tidak mengetahui nilai
tengah mana saja yang berbeda. Untuk mengetahui hal tersebut ada
beberapa alat yang dapat digunakan, diantaranya yaitu melalui uji
perbandingan ganda. Prosedur ANOVA dalam SPSS memberikan 12 buah
metode untuk menguji seluruh perbedaan rata-rata berpasangan serta
10 buah uji wilayah berganda untuk mengidentifikasi subset
rata-rata yang tidak berbeda dengan yang lainnya.
Contrast
Untuk menguji apakah terdapat hubungan yang lain diantara
rata-rata tersebut, prosedur ANOVA dalam SPSS juga memberikan uji
mengenai linear, kuadratik, dan polinomial lainnya menurut
rata-rata dari kelompok yang terurut. Selain itu, para pengguna
dapat menentukan ssendiri koefisien untuk kontras yang akan
dibentuk untuk menguji hubungan tertentu diantara rata-rata
populasi, misalnya perbandingan rata-rata untuk dua buah kelompok
perlakuan dengan kelompok kontrol.
Analisis Varians Satu ArahKasus
Sebuah RS selama ini mempekerjakan karyawannya dalam 4 shift
(satu shift terdiri dari sekelompok pekerja yang berlainan) untuk
melayani pasien (satuan dalam menit). Manajer RS tersebut ingin
mengetahui apakah ada perbedaan produktivitas yang nyata di antara
4 kelompok kerja shift yang ada selama ini. Untuk itu, manajer
memerintahkan seorang supervisor untuk mengamati produktivitas
kerja keempat kelompok tersebut, data berikut ini adalah hasilnya
(angka dalam satuan unit).
HariShift 1Shift 2Shift 3Shift 4
138454558
236484825
339424234
434464626
535414139
632454544
739484832
834474738
932424239
1036414143
1133393944
1239333362
Pada baris 1, pada hari pertama kelompok shift 1 berproduksi 38
unit, kelompok shift 2 berproduksi 45 unit, kelompok shift 3
berproduksi 45 unit dan kelompok shift 4 berproduksi 58 unit.
Demikian seterusnya.
Penyelesaian:
Kasus diatas terdiri dari empat sampel yang bebas satu sama
lain, yaitu kelompok shift 1 berbeda orang dan waktunya dengan
kelompok shift yang lain. Demikian juga untuk waktu dan anggota
kelompok shift lainnya saling berbeda. Disini populasi diketahui
berdistribusi normal, dan karena sampel lebih dari dua, dipakai uji
ANOVA.
Input Data
Pemasukan data ke dalam lembar kerja SPSS harus dijadikan dua
buah kolom (atau variabel) data, yaitu variabel Produk yang
mencatat produktivitas karyawan dan variabel Shift yang mencatat
kelompok shift karyawan. Jumlah data tetap sama, hanya
penempatannya yang berbeda, yaitu dari susunan horizontal ke
susunan vertikal (ke bawah). Setiap kasus yang melibatkan
perhitungan ANOVA satu faktor hanya memasukkan dua variabel
saja.
Langkah-langkahnya:
1. Buka lembar kerja baru.
2. Mendefinisikan Variabel:
Variabel pertama: Produk. Variabel ini didefinisikan sebagai
variabel Numeric dengan Width: 8 dan Decimal Places: 0.
Variabel Kedua: Shift. Variabel ini didefiniskan sebagai
variabel Numeric dengan ketentuan Width: 8 dan Decimal Places:
0.
3. Memasukkan Data
Untuk mengisi kolom pertama, yaitu variabel produk, letakkan
pointer pada baris 1 kolom tersebut, lalu ketik menurun ke bawah
sesuai data mengenai produktivitas karyawan.
Untuk mengisi kolom kedua, yaitu variabel shift, letakkan
pointer pada baris 1 kolom kedua, lalu ketik angka 1 sebanyak 12
data (karyawan) yang menunjukkan shift pertama yang diambil oleh
karyawan-karyawan tersebut, kemudian ketikan angka 2 juga sebanyak
12 data. Demikian juga untuk karyawan dari shit 3 dan 4 menurun ke
bawah sesuai data mengenai shit yang diambil oleh para
karyawan.
4. Menyimpan Data
Dari baris menu pilih menu File, kemudian pilih submenu Save as
. Beri nama file untuk keseragaman dengan ANOVA1, dan tempatkan
file pada direktori yang dikehendaki.
olah Data
Langkah-langkahnya :
1. Buka lembar kerja/file ANOVA sesuai kasus diatas, atau jika
sudah terbuka ikuti langkah berikut.
2. Dari baris menu pilih menu Analyze, kemudian pilih submenu
Compare-Means.
3. Dari serangkaian pilihan test, sesuai kasus pilih One-Way
ANOVA. Tampak dilayar :
Gambar 5.1 Kotak dialog One-Way ANOVADependent List atau
Variabel Dependent (tidak bebas) yang akan diuji. Karena disini
akan diuji produktivitas karyawan, maka klik variabel produk,
kemudian klik tanda ((yang sebelah atas). Sehingga variabel produk
berpindah ke Dependent List.
Factor atau grup. Karena variabel pengelompokkan ada pada
variabel shift, maka klik variabel shift, kemudian klik tanda
((yang sebelah bawah),. Sehingga variabel shift berpindah ke
Factor.
Untuk tombol Option, dengan mengkliknya akan tampak di
layar:
Gambar 5.2 Pilihan setelah mengklik OptionAnalyze atau
perhitungan yang akan dilakukan. Untuk keseragaman, klik pilihan
Descriptive dan Homogeneity-of-variance.
Missing Values atau data yang hilang. Karena dalam kasus semua
pasangan data komplit (tidak ada yang kosong), maka abaikan saja
bagian ini (tetap pada default dari SPSS, yaitu Exclude cases
analysis by analysis)
Klik Continue jika pengisian dianggap selesai.
Untuk tombol Post-Hoc atau analisis lanjutan dari F test, dengan
mengkliknya akan tampak di layar :
Gambar 5.3 Post Hoc Multiple Comparisons
Untuk analisis selanjutnyauntuk keseragaman, klik pilihan
Bonferroni dan TukeyKlik Continue jika pengisian dianggap
selesai.
Kemudian klik OK untuk mengakhiri pengisian prosedur analisis.
Terlihat SPSS melakukan pekerjaan analisis dan terlihat output
SPSS.
Output SPSS
Berikut ini adalah output dari prosedur ANOVA.
Analisis
Ada banyak output yang diberikan oleh SPSS dalam prosedur
One-way ANOVA ini, yaitu: Descriptives, Test of Homogeneity of
Variance, ANOVA, dan Multiple Comparisons.
Descriptives
Pada bagian pertama terlihat ringkasan statistik dari keempat
sampel. Sebagai contoh adalah deskripsi dari kelompok kerja shift 1
diperoleh informasi bahwa Rata-rata produktivitas adalah 35.58
unit; Produk minimum adalah 32 unit dan maksimum 39 unit; dan
dengan tingkat kepercayaan 95% atau signifikansi 5%, rata-rata
produk ada pada range 33.88 unit sampai 37.29 unit. Demikian juga
untuk data yang lain. Uji ANOVA ingin melihat apakah rata-rata
keempat sampel berasal dari populasi yang sama, dengan asumsi
varians keempat sampel adalah sama.
Test of Homogeneity of Variance
Analisis ini bertujuan untuk menguji berlaku tidaknya asumsi
utnuk ANOVA, ayitu apakah keempat sampel mempunyai varians yang
sama. Hipotesis untuk kasus ini :
H0 : Keempat varians populasi adalah identik
H1 : Keempat varians populasi adalah tidak identik
Dasar pengambilan keputusan :
Jika probabilitas > 0.05, maka H0 diterima
Jika probabilitas < 0.05, maka H0 ditolak
Keputusan: Terlihat bahwa Levene Test hitung adalah 1.173 dengan
nilai probabilitas 0.331. Karena probabilitas > 0.05, maka H0
diterima atau keempat varians populasi adalah sama.
ANOVA
Setelah keempat varians terbukti sama, baru dilakukan uji ANOVA
(Analysis of Variance) untuk menguji apakah keempat sampel
mempunyai rata-rata (Mean) yang sama. Hipotesis untuk kasus ini
:
H0 : Keempat rata-rata populasi adalah identik
H1 : Keempat rata-rata populasi adalah tidak identik
Berbeda dengan asumsi sebelumnya yang menggunakan varians,
sekarang dipakai mean. Adapun yang menjadi dasar pengambilan
keputusan adalah:
1. Berdasarkan perbandingan F hitung dengan F tabel
Jika statistik Hitung (angka F output) > Statistik Tabel
(tabel F), maka H0 ditolak.
Jika statistik Hitung (angka F output) < Statistik Tabel
(tabel F), maka H0 diterima.
F hitung dari output adalah 44.861. Sedangkan statistik tabel
dapat dihitung pada tabel F, dengan ketentuan sebagai berikut:
Tingkat signifikansi (() adalah 5% (lihat input data pada bagian
Option yang memilih tingkat kepercayaan 95%)
Numerator adalah (jumlah variabel shift 1) atau 4 1 = 3,
sedangkan denumerator adalah (jumlah kasus jumlah variabel shift)
atau 48 4 = 44
Sehingga diperoleh nilai F tabel sebesar 2.8164. Karena F hitung
terletak pada daerah H0 ditolak, maka bisa disimpulkan rata-rata
produksi keempat kelompok shift tersebut memang berbeda nyata.
2. Berdasarkan nilai probabilitas
Jika probabilitas > 0.05, maka H0 diterima
Jika probabilitas < 0.05, maka H0 ditolak
Keputusan: Terlihat bahwa F hitung adalah 44.861 dengan nilai
probabilitas 0.000. Karena probabilitas < 0.05, maka H0 ditolak,
atau rata-rata produksi keempat kelompok shift tersebut memang
berbeda nyata.
Multiple Comparisons
Setelah diketahui bahwa ada perbedaan yang signifikan diantara
keempat kelompok shift, masalah yang akan dibahas adalah : mana
saja kelompok shift yang berbeda dan mana yang tidak berbeda ?
Masalah ini akan dibahas pada analisis Boferroni dan Tukey dalam
post hoc test berikut.
Tukey dan Bonferroni test
Sebagai contoh, lihat baris pertama pada hasil uji Tukey-HSD
yang menguji perbedaan antara Shift 1 dan Shift 2.
Pada kolom Mean Difference atau perbedaaan rata-rata diperoleh
angka 7.5. angka ini berasal dari Mean Shift 1 - Mean Shift 2 atau
35.58 43.08 unit atau 7.5 unit (lihat output descriptive
statistics).
Pada kolom 95% confidence interval, terlihat range perbedaan
Mean tersebut berkisar antara 2.76 sampai 12.24 unit.
Uji signifikansi peerbedaan Mean antara shift 1 dan shift 2.
Berdasarkan nilai probabilitas :
Jika probabilitas > 0.05, maka H0 diterima
Jika probabilitas < 0.05, maka H0 ditolak
Keputusan :
Terlihat bahwa nilai probabilitas 0.0.001. Karena probabilitas
< 0.05, maka H0 ditolak atau perbedaan rata-rata produktivitas
Shift 1 dan Shift 2 benar-benar nyata.
Hasil uji signifikansi dengan mudah bisa dilihat pada output
dengan ada atau tidaknya tanda * pada kolom Mean Difference. Jika
tanda * ada di angka Mean Difference atau perbedaan rata-rata, maka
perbedaan tersebut nyata atau signifikan.
Dari abris pertama terliaht adanya tanda pada angka 7.5, yang
menandakan perbedaan tersebut benar-benar nyata.
Demikian juga untuk hubungan antar variabel yang lain, misal
antara shift 1 dengan shift 3, shift 4 dengan shift 2 dan
sebagainya.
Dengan melihat ada tidaknya tanda * pada kolom Mean Difference,
terlihat bahwa :
Mean dariShift 1 berbeda secara nyata dengan Shift 2, 3 dan 4 (
lihat kelompok kerja i dengan 3 kelompok dari j )
Mean dari ndengan Shift 2 berbeda secara nyata deengan shift4
(terlihat Shift 2 juga beda dengan Shift 1, namun hal ini sudah
sama dengan mean shift 1 berbeda dengan Shift 2 di atas).
Mean dari Shift 4 berbeda secara nyata dengan Shift 1, 2 dan 3 (
lihat pembahasan sebelumnya ).
Homogeneous Subset.
Jika test Tukey dan Bonferroni untuk menguji kelompok mana saja
yang memiliki perbedaan nyata, maka dalam Homogeneous Subset justru
akan dicari grup / subet mana saja yang mempunyai perbedaan
rata-rata yang tidak berbeda secara signifikan.
Pada subset 1, terlihat hanya grup dengan anggota kelompok kerja
shift 4 saja. Dengan kata lain bisa dikatakan kelompok shift 4
punya perbedaan dengan yang lainnya ( lihat hasil test Tukey dan
Boferroni di atas )
Pada subset 2, terlihata hanya grup dengan anggota kelompok
kerja shift 1 saja. Dengan kata lain bisa dikatakan kelompok shift
1 punya perbedaan dengan yang lainnya (lihat hasil Tukey dan
Bonferroni di atas)
Pada subset 3, terlihat grup dengan anggota kelompok kerja shift
2 dan shift 3. Dengan kata lain bisa dikatakan kelompok shift 2 dan
3 tidak punya perbedaan yang signifikan satu dengan yang lain
(lihat hasil test Tukey dan Bonferroni di atas). Hasil dari uji
Tukey dan Bonferroni dengan Homogeneous Subset selalu saling
melengkapi.
Analisis Varians Faktorial Sederhana
Pada bagian sebelumnya telah dibahas analisis varians satu arah
yang membandingkan rata-rata dari beberapa kelompok. Akan tetapi
bagaimana jika ingin dibandingkan efek dari dua atau lebih faktor
pada variabel respons? Penentuan efek untuk lebih dari satu faktor
akan memunculkan dua buah pertanyaan. Bagaimana masing-masing
faktor yang diamati secara terpisah dapat mempengaruhi variabel
respons? Apakah kombinasi faktor-faktor tersebut secara
bersama-sama mempengaruhi variabel respons yang tidak dapat
dijelaskan secara individu? Pertanyaan tersebut dapat dijawab
melalui analisis varians faktorial, yang merupakan perluasan dari
analisis varians satu arah pada beberapa faktor. Analisis varians
faktorial mempunyai asumsi yang sama dengan analisis varians satu
arah dan didasarkan pula pada statistik uji F. Walaupun dalam
contoh kasus berikut ini hanya menggunakan dua faktor, tetapi dalam
penggunaannya prosedur analisis varians faktorial dapat digunakan
untuk lebih dari dua faktor.
Kasus
Kasus sama dengan kasus pertama (produktivitas 4 kelompok kerja
shift), hanya variabel ditambah satu, yaitu jenis kelamin (gender)
yang bertugas di setiap kelompok kerja. Sebuah pabrik selama ini
memperkerjakan karyawannya dalam 4 shift (satu shift terdiri dari
sekelompok pekerja yang berlainan). Manajer pabrik tersebut ingin
mengetahui apakah ada perbedaan produktivitas yang nyata di antara
4 kelompok kerja shift yang ada selama ini. Selama ini setiap
kelompok kerja terdiri dari wanita semua atau pria semua, dan
setelah kelompok pria bekerja dua hari berturut-turut, ganti
kelompok wanita (tetap terbagi empat kelompok) yang bekerja.
Demikian seterusnya, dua hari untuk pria dan sehari untuk
wanita.
HariShift 1Shift 2Shift 3Shift 4Gender
138454558Pria
236484825Pria
339424234Wanita
434464626Pria
535414139Pria
632454544Wanita
739484832Pria
834474738Pria
932424239Wanita
1036414143Pria
1133393944Pria
1239333362Wanita
Pada baris 1, pada hari pertama kelompok shift 1 berproduksi 38
unit, kelompok shift 2 berproduksi 45 unit, kelompok shift 3
berproduksi 45 unit, kelompok shift 4 berproduksi 58 unit, dengan
catatan semua anggota kelompok adalah pria. Demikian seterusnya
untuk data yang lainnya.
Penyelesaian :
Kasus diatas terdiri dari empat sampel yang bebas satu dengan
yang lain, yaitu kelompok shift 1 berbeda orang dan waktunya dengan
kelompok shift yang lain. Juga kelompok yang terdiri dari Pria
jelas berbeda dengan kelompok wanita. Terlihat di sini ada dua
faktor yang mempengaruhi produktivitas kerja, yaitu faktor Kelompok
Kerja dan faktor Gender (pria/wanita). Populasi yang diamati
diasumsikan mempunyai distribusi normal, dan oleh karena sampel
lebih dari dua, dipakai uji ANOVA untuk dua faktor.
inputData
Pemasukan data ke dalam lembar kerja SPSS harus dijadikan tiga
buah kolom (atau variabel) data, yaitu variabel Produk yang
mencatat produktivitas karyawan, variabel Shift yang mencatat
kelompok shift karyawan, serta variabel gender yang mencatat jenis
kelamin dari karyawan. Jumlah data tetap sama, hanya penempatannya
yang berbeda, yaitu dari susunan horizontal ke susunan vertikal (ke
bawah). Setiap kasus yang melibatkan perhitungan ANOVA dua faktor
hanya memasukkan tiga buah variabel saja.
Langkah-langkahnya:
1. Buka lembar kerja baru.
2. Mendefinisikan Variabel:
Variabel pertama: Produk. Variabel ini didefinisikan sebagai
variabel Numeric dengan Width: 8 dan Decimal Places: 0.
Variabel Kedua: Shift. Variabel ini didefiniskan sebagai
variabel Numeric dengan ketentuan Width: 8 dan Decimal Places:
0.
Variabel Kedua: Gender. Variabel ini didefiniskan sebagai
variabel Numeric dengan ketentuan Width: 8 dan Decimal Places:
0.
3. Memasukkan Data
Untuk mengisi kolom pertama, yaitu variabel produk, letakkan
pointer pada baris 1 kolom tersebut, lalu ketik menurun ke bawah
sesuai data mengenai produktivitas karyawan.
Untuk mengisi kolom kedua, yaitu variabel shift, letakkan
pointer pada baris 1 kolom kedua, lalu ketik angka 1 sebanyak 12
data (karyawan) yang menunjukkan shift pertama yang diambil oleh
karyawan-karyawan tersebut, kemudian ketikan angka 2 juga sebanyak
12 data. Demikian juga untuk karyawan dari shit 3 dan 4 menurun ke
bawah sesuai data mengenai shit yang diambil oleh para
karyawan.
Untuk mengisi kolom ketiga, yaitu variabel gender, letakkan
pointer pada baris 1 kolom ketiga, dengan ketentuan bahwa angka 1
untuk pria dan angka 2 untuk wanita. Adapun urutan jenis kelamin
itu adalah 1, 1, dan 2 (atau pria, pria, dan wanita). Demikian
seterusnya pengetikan dilakukan menurun ke bawah sampai semua data
tercatat.
4. Menyimpan Data
Dari baris menu pilih menu File, kemudian pilih submenu Save as
. Beri nama file untuk keseragaman dengan ANOVA2, dan tempatkan
file pada direktori yang dikehendaki.
olah Data
Langkah-langkahnya:
1. Buka lembar kerja/file ANOVA2 sesuai kasus di atas, atau jika
sudah terbuka ikuti langkah berikut.
2. Dari baris menu pilih menu Analyze, kemudian pilih submenu
General Linear Model. Dari serangkaian pilihan test, sesuai kasus
pilih Simple Factorial (uni variant). Tampak dilayar :
Gambar 5.4 Kotak Dialog Simple Factorial ANOVA
Dependent atau Variabel Dependent yang akan diuji. Karena disini
akan diuji produktivitas karyawan, maka klik variabel produk,
kemudian klik tanda ((yang sebelah atas),. sehingga variabel produk
berpindah ke Dependent.
Factor(s) atau faktor/grup. Karena variabel pengelompokkan ada
pada variabel shift dan gender, maka proses dilakukan satu per
satu.
Untuk variabel shift:
Klik variabel shift, kemudian klik tanda ( (yang sebelah bawah),
maka variabel shift berpindah ke Factor.
Klik pada Define Range. Untuk minimum atau tanda minimum, ketik
1. Untuk maksimum atau tanda maksimum, ketik 4 (Ada 4 kelompok
shift). Klik Continue utnuk meneruskan pengerjaan.
Untuk variabel Gender :
Klik variabel gender, kemudian klik tanda ( (yang sebelah
bawah), maka variabel gender berpindah ke Factor.
Klik pada Define Range. Untuk minimum atau tanda minimum, ketik
1, kemudian untuk maksimum atau tanda maksimum, ketik 2 (ada 2
kelompok gender). Klik Continue utnuk meneruskan pengerjaan.
Kemudian klik OK untuk mengakhiri pengisian prosedur
analisis.
Terlihat SPSS melakukan pekerjaan analisis dan terlihat output
SPSS.
Output SPSS
Berikut ini adalah output dari ANOVA2
Analisis
Berbeda dengan prosedur One-way ANOVA sebelumnya, output yang
diberikan SPSS untuk kasus ini hanya ada dua, yaitu: Case
Processing Summary dan ANOVA.
Case Processing Summary
Pada bagian pertama terlihat ringkasan data yang diproses. Pada
kolom Included atau data yang disertakan untuk proses uji, semua
data (48 data) disertakan, sedangkan dalam kolom Excluded atau data
yang dikeluarkan, berjumlah 0 atau tidak ada data ynag dikeluarkan.
Jadi dalam kasus ini semua data diproses.
ANOVA
Uji ANOVA (Analysis of Variance) disini dibedakan menjadi dua,
yaitu:
ANOVA satu faktor
Dalam kasus ini ANOVA satu faktor untuk melihat apakah ada
perbedaan yang nyata antara produktivitas kerja di antara kelompok
kerja shift dan kelompok gender. Apabila dimisalkan bahwa (i adalah
efek dari taraf ke-i dari faktor A (dalam hal ini kelompok kerja
shift), (j adalah dari taraf ke-j dari faktor B (dalam hal ini
jenis kelamin atau gender), dan ((()ij adalah efek dari kedua
faktor secara bersama-sama. Dengan demikian ada tiga buah hipotesis
yang dapat dirumuskan sehubungan dengan faktor-faktor tersebut
beserta kombinasinya, yaitu:
1. H0 : (1 = (2 = (3 = (4 = 0 (artinya tidak ada perbedaan
secara rata-rata produktivitas berdasarkan kelompok kerja
shift)
H1 : Sekurang-kurangnya ada satu ( yang tidak sama dengan
nol
2. H0 : (1 = (2 = 0 (artinya tidak ada perbedaan secara
rata-rata produktivitas berdasarkan jenis kelamin)
H1 : Sekurang-kurangnya ada satu ( yang tidak sama dengan
nol
3. H0 : ((()11 = ((()12 = = ((()42 = 0 (artinya tidak ada
perbedaan secara rata-rata produktivitas berdasarkan kombinasi
kedua jenis kelompok.
H1 : Sekurang-kurangnya ada satu (( yang tidak sama dengan
nol
Dasar pengambilan keputusan untuk ketiga hipotesis itu
adalah:
Jika probabilitas > 0.05, maka H0 diterima
Jika probabilitas < 0.05, maka H0 ditolak
Keputusan:
1. Terlihat bahwa F hitung adalah 43.766 dengan probabilitas
0.000. karena probabilitas < 0.05, maka H0 ditolak, atau
rata-rata produksi keempat kelompok shift tersebut memang berbeda
nyata.
2. Terlihat bahwa F hitung adalah 6.002 dengan probabilitas
0.019. Karena probabilitas < 0.05, maka H0 ditolak, atau
rata-rata produksi keempat kelompok gender (pria dan wanita)
tersebut memang berbeda nyata.
3. Terlihat bahwa F hitung (lihat keterangan Combined) adalah
34.325 dengan probabilitas 0.000. karena probabilitas < 0.05,
maka H0 ditolak, atau rata-rata produksi baik dari keempat kelompok
shift maupun dari kelompok gender tersebut memang berbeda
nyata.
ANOVA untuk interaksi dua faktor
Sekarang akan diuji apakah ada interaksi antara kelompok kerja
shift dengan kelompok gender, dimana hipotesis untuk kasus ini
:
H0 : Tidak ada interaksi antara kelompok kerja shift dengan
kelompok gender
H1 : Ada interaksi antara kelompok kerja shift dengan kelompok
gender
Dasar pengambilan keputusan:
Jika probabilitas > 0.05, maka H0 diterima
Jika probabilitas < 0.05, maka H0 ditolak
Keputusan: Terlihat bahwa F hitung adalah 0.634 dengan
probabilitas 0.598. karena probabilitas > 0.05, maka H0
diterima, atau tidak ada interaksi antara kelompok kerja shift
dengan kelompok gender.
Selanjutnya pada bagian akhir dari tabel ANOVA tersebut
menjelaskan tiga baris akhir dari output, yaitu Model, Residual dan
Total.
1. Baris Total menyatakan jumlah kuadrat dari variabel Produk
(sebagai variabel dependent), yaitu 3374.479
2. Baris Model menyatakan jumlah kuadrat yang dihitung oleh
Model ANOVA di atas, yaitu 2680.229.
3. Baris Residuals menyatakan jumlah kuadrat residu yang tidak
dihitung oleh Model ANOVA di atas, yaitu selisih Total dan Model,
dalam hal ini 3374.479 2680.229 = 694.250. Dengan membandingkan
Model dengan Total sebagai berikut: (2680.229/3374.479) ( 100% =
79.43%. Terlihat bahwa 79.34% dari jumlah kuadrat dapat dijelaskan
oleh Model yang adalah hasil output di atas. Karena hanya sekitar
seperlima (100% - 79.43% = 20.57%) yang tidak dapat dijelaskan oleh
model, maka bisa dikatakan bahwa model (output) di atas sudah
memadai untuk menjelaskan rata-rata produktivitas karyawan.
Latihan
Latihan 1.
Dalam sebuah percobaan biologi 4 konsentrasi bahan kimia
digunakan untuk merangsang pertumbuhan tinggi badan tertentu selama
periode waktu tertentu. Data pertumbuhan berikut (dalam sentimeter)
dicatat dari pertumbuhan tinggi badan:
Konsentrasi
1234
8.2
8.7
9.4
9.27.7
8.4
8.6
8.1
8.06.9
5.8
7.2
6.8
7.4
6.16.8
7.3
6.3
6.9
7.1
Sumber: Walpole, R.E. (1982) Introduction to Statistics, Third
Edition. New York: John Wiley and Sons.
1. Lakukan pengujian hipotesis untuk mengetahui apakah terdapat
perbedaan pertumbuhan tinggi badan yang disebabkan oleh keempat
konsentrasi bahan kimia tersebut. Gunakan taraf nyata 0.05.
2. Apabila hipotesis nol ditolak, gunakan uji perbandingan
ganda, Tukey dan Bonfferoni, untuk mengetahui perlakuan mana yang
memberikan efek yang berbeda.
Latihan 2.
Ada tiga rumah sakit di Cimahi. Data berikut menujukkan
banyaknya pasien operasi setiap rumah sakit selama seminggu yang
lalu. Pada taraf nyata 0,05, dapatkah simpulkan bahwa ada perbedaan
rata-rata banyaknya operasi di antara ketiga rumah sakit dan apakah
ada perbedaan rata-rata di antara kelima hari.
Banyaknya Operasi
HariRS CibabatRS DustiraRS Mitra Kasih
Senin141824
Selasa202414
Rabu162214
Kamis182022
Jum"at202824
Latihan 3
Tiga laboratorium akan dibandingkan hasilnya. Percobaan
dilakukan dengan menggunakan 4 lokasi yang berbeda. Untuk
masing-masing lokasi, setiap hasil dicobakan pada 3 kelompok yang
ditentukan secara acak. Hasilnya adalah sebagai berikut:
LokasiLaboratorium
ABC
115
19
1220
24
1822
17
14
217
10
1324
18
2226
19
21
39
12
612
15
1010
5
8
414
8
1121
16
1419
15
12
Sumber: Walpole, R.E. (1982) Introduction to Statistics, Third
Edition. New York: John Wiley and Sons.
Gunakan taraf nyata 0.05 untuk menguji hipotesis bahwa: Tidak
ada perbedaan hasil di antara 3 jenis laboratorium; Lokasi yang
berbeda tidak berpengaruh pada hasil lab; serta Lokasi dan hasil
lab tidak berinterkasi.
Latihan 4Dalam sebuah percobaan untuk menentukan satu di antara
3 sistem peluru kendali yang akan diambil, diukur antara lain laju
pembakaran bahan bakar. Empat bahan bakar digunakan. Untuk setiap
perlakuan diambil dua pengamatan laju pembakaran. Setelah
dikodekan, hasilnya tercatat secagai berikut:
Sistem MisilJenis Bahan Bahar
B1B2B3B4
A134.0
32.730.1
32.829.8
26.729.0
28.9
A232.0
33.230.2
29.828.7
28.127.6
27.8
A328.4
29.327.3
28.929.7
27.328.8
29.1
Sumber: Walpole, R.E. (1982) Introduction to Statistics, Third
Edition. New York: John Wiley and Sons.
Gunakan taraf nyata 0.05 untuk menguji hipotesis bahwa: Tidak
ada perbedaan laju pembakaran bahan bakar rata-rata di antara
ketiga sistem misil tersebut; Tidak ada perbedaan laju pembakaran
bahan bakar rata-rata di antara keempat jenis bahan bakar yang
dicobakan; serta Tidak ada interaksi antara sistem peluru kendali
yang digunakan dengan jenis bahan bakar
( 2001 Lab.Statistika/Halaman 5_1( 2001 Lab. Statistika/Halaman
5_14
_944861610.unknown