• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Tugas Anova Punya Agus
 

Tugas Anova Punya Agus

on

  • 1,862 views

 

Statistics

Views

Total Views
1,862
Views on SlideShare
1,851
Embed Views
11

Actions

Likes
1
Downloads
56
Comments
0

2 Embeds 11

http://www.slideshare.net 7
http://statnrkelompok9kelasd.blogspot.com 4

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Tugas Anova Punya Agus Tugas Anova Punya Agus Presentation Transcript

    • TUGAS STATISTIKA DASAR ANOVA Diajukan untuk salah satu mata kuliah Statistika Dasar
      • Kelas III D (NR)
      • Disusun oleh :
      • Agus Mulyadi (082443)
      • UNIVERSITAS SULTAN AGENG TIRTAYASA
      • FAKULTAS KEGURUAN DAN ILMU PEN DIDIKAN
      • PROGRAM STUDI PENDIDIKAN BIOL OGI
      • SERANG – BANTEN
      • 2009
    • ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA ) Gambaran Umum Analysis of Variance (ANOVA) Uji-F Uji-F Uji Tukey- Kramer Uji Perbedaan Signifikan Fischer Terkecil ANOVA 1 Arah Desain Blok Acak Lengkap Desain 2 Faktor Dgn. Replikasi
    • Kegunaan ANOVA
      • Mengendalikan 1 atau lebih variabel independen
        • Disebut dgn faktor (atau variabel treatment )
        • Tiap faktor mengandung 2 atau lebih level (kategori / klasifikasi)
      • Mengamati efek pada variabel dependen
        • Merespon level pada variabel independen
      • Perencanaan Eksperimen: perencanaan dengan menggunakan uji hipotesis
    • ANOVA 1 Arah
      • Evaluasi perbedaan diantara 3 atau lebih mean populasi
        • Contoh: Tingkat kecelakaan pada 3 kota
        • Usia pemakaian 5 merk Handphone
      • Asumsi
        • Populasi berdistribusi normal
        • Populasi mempunyai variansi yang sama
        • Sampelnya random dan independen
    • Desain Acak Lengkap
      • Unit percobaan (subjek) dipilih acak pada perlakuan ( treatments)
      • Hanya ada 1 faktor / var. independen
        • Dengan 2 atau lebih level treatment
      • Analisis dengan :
        • ANOVA 1 arah
      • Disebut juga Desain Seimbang jika seluruh level faktor mempunyai ukuran sampel yang sama
    • Hipotesis ANOVA 1 Arah
        • Seluruh mean populasi adalah sama
        • Tak ada efek treatment (tak ada keragaman mean dalam grup)
        • Minimal ada 1 mean populasi yang berbeda
        • Terdapat sebuah efek treatment
        • Tidak seluruh mean populasi berbeda (beberapa pasang mungkin sama)
    • Partisi Variasi
      • Variasi total dapt dipecah menjadi 2 bagian:
      SS T = Sum of Squares Total (Jumlah Kuadrat Total) SS B = Sum of Squares Between (Jumlah Kuadrat Antara) SS W = Sum of Squares Within (Jumlah Kuadrat Dalam) SST = SSB + SSW
    • Partisi Variasi Variasi Total = pernyebaran agregat nilai data individu melalui beberapa level faktor (SST) Within-Sample Variation = penyebaran yang terdapat diantara nilai data dalam sebuah level faktor tertentu (SSW) Between-Sample Variation = penyebaran diantara mean sampel faktor (SSB) SST = SSB + SSW (sambungan)
    • Jumlah Kuadrat Total (Total Sum of Squares) Dimana: SST = Total sum of squares/Jumlah Kuadrat Total k = jumlah populasi (levels or treatments) n i = ukuran sampel dari populasi i x ij = pengukuran ke-j dari populasi ke-i x = mean keseluruhan (dari seluruh nilai data) SST = SSB + SSW
    • Jumlah Kuadrat Antara (S um of Squares Between ) Where: SSB = Sum of squares between k = jumlah populasi n i = ukuran sampel dari populasi i x i = mean sampel dari populasi i x = mean keseluruhan (dari seluruh nilai data) SST = SSB + SSW
    • Data 1 70 1 60 1 70 1 60 1 70 1 65 1 70 1 65 1 70 1 60 1 70 1 75 1 70 1 60 1 70 1 60 1 70 1 60 1 70 1 75 1 65 1 60 1 70 1 70 1 80 1 65 1 70 1 65 1 70 1 60 2 70 2 60 2 78 2 70 2 75 2 80 2 70 2 70 2 68 2 65 2 70 2 75 2 80 2 70 2 75 2 70 2 70 2 65 2 66 2 70 2 80 2 75 2 80 2 70 2 75 2 70 2 70 2 65 2 66 2 70 3 65 3 70 3 65 3 70 3 60 3 70 3 75 3 70 3 60 3 70 3 60 3 70 3 60 3 70 3 75 3 65 3 60 3 70 3 70 3 80 3 65 3 70 3 65 3 70 3 60 3 70 3 60 3 60 3 75 3 80
    • Oneway Pada bagian I ini merupakan hasil perhitungan dari sub menu option, yang isinya berupa ringkasan dari data yang ada. Anatara lain, menyebutkan jumlah cacah ( N ), rata-rata( means ), std.deviasi, std.Error, lower bound,upper bound, minimum dan maximum. Dari data di atas mengenai variable Cilegon, terdiri dari N = 30, means = 67.17, std. Devisi = 5.363, std.Eorror = 0.979, Lower Bound = 65.16, upper bound = 69.17, Minimum = 60, maximum = 80. Demikan juga dengan yang lainnya.
    • Dari hasil perhitungna di atas di dapat nilia Levence Test adalah 0.772 dengan significances 0.465. jadi probabilitas 0.465 > 0.05 dengan demikian H o : di terima. Dapat ditarik kesimpulan bahwa ketiga varians tersebut adalah sama.
    • Dari hasil perhitungan di atas di dapat nilai F hitung 4.979 dengan signifikansi 0.009. Sedang untuk F tabel pada tingkat signifikansi 0.05 ( 95%) dengan Numerator (jumlah variable – 1) = 2 dan Denumarator (jumlah/kasus – jumlah variable = 28 ) adalah 3.3690. Jadi F hitung 4.979 > F tebel α 0.05 (df. 2-28) = 3.3690.dengan demikan H o : di tolak, Ha : di terima. Dapat ditarik kesimpulan bahwa rata-rata nilai mahasiswa dengan menggunakan ketiga Asal daerah ) Cilegon, Serang dan Tangerang ) memang secara sinifikan berbeda.
    • Merupakan hasil pemasukan koefesiensi kontras, dimana koefesien pada cilegon = 0.5, serang = 0.5 dan tangerang = 1
    •  
    • Post Hoc Tests
    • Homogeneous Subsets
    • Means Plots