SlideShare a Scribd company logo
1 of 17
BAB 7
Membandingkan Lebih dari
2 Rata-rata (ANOVA:
Analysis of Variance)
Tujuan
 Menggunakan variansi dalam membandingkan rata-rata
Misal: Uji F dan uji t
 Untuk menentukan variabel-variabel yang memberikan pengaruh
nyata terhadap hasil analisis
Misal: untuk menentukan Fe dengan Kompleksometri variabel yang
mempengaruhi adalah
 pH
 Konsentrasi
 Waktu Reaksi
 Kecepatan Reaksi
Cara Analisis Variansi
 2 tangki yang berbeda dianalisis oleh 5 analis untuk menentukan
komponen didalamnya
ANALIS Tangki 1 Tangki 2 Jumlah
1 4 13 17
2 5 0 5
3 3 2 5
4 4 1 5
5 4 4 8
Jumlah 20 20 40=Jt
Rata-rata (𝑋) 4 4
Variansi (S²) 0,50 27,5
J𝑘𝑡= Jumlah Kuadrat Total = 𝑥2
- ( 𝑥)²/n
J𝑘𝑡 = (4 ² + 5 ² + 3 ² + 4 ² + 4 ²+ 13 ² + 0 ² + 2 ² + 1 ² + 4 ² ) – (40) ² / n
= 272 – 160
= 112
J𝑘𝑎 =
202
5
+
202
5
-
402
2 𝑥 5
= 160 -160 = 0
J𝑘𝑑 = 4 ² + 5 ² + 3 ² + 4 ² + 4 ² -
202
5
+13 ² + 0 ² + 2 ² + 1 ² + 4 ² -
202
5
= 82 – 80 + 190 – 80 = 112
J𝑘𝑡 = J𝑘𝑎 + J𝑘𝑑 = 0 +112
𝐷𝐵 J𝑘𝑎 antar kolom = 2-1 = 1
𝐷𝐵 J𝑘𝑑 dalam kolom = 10 -2 = 8
J𝑘𝑎=
(𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑜𝑙𝑜𝑚 1)2
𝑛
+
(𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑜𝑙𝑜𝑚 2)2
𝑛
-
𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑜𝑡𝑎𝑙
2𝑛
J𝑘𝑑 = [ 𝑋𝐴
2
- ( 𝑋𝐴)²] + [ 𝑋𝐵
2
- ( 𝑋𝐵)²]
J𝑘𝑡 = J𝑘𝑎 + J𝑘𝑑
𝐷𝐵 antar kolom = jumlah kolom -1
𝐷𝐵 dalam kolom = jumlah data – 2
Tabel Anova
Sumber Jumlah Kuadran 𝐷𝐵 KT KT diharapkan
Antar Kolom J𝑘𝑎= 0 1 0 𝜎2 + 5 𝜎𝑎
2
Dalam Kolom J𝑘𝑑 = 112 8 14 𝜎2
J𝑘𝑡 = 112
𝐷𝐵 J𝑘𝑡 = Jumlah Data -1
= 10 – 1 = 9
KT = Kuadrat Tengah =
𝐽𝐾
𝐷𝐵
𝜎2 = 14 = S²
S = 14 = 3,74
Pengaruh Satu Variabel Terhadap Rata-rata
ANOVA yang sederhana melibatkan 1 variabel bebas dan membandingkan 2
rata-rata
 CONTOH :
2 sampel masing-masing dari tangki dianalisa 5x terhadap impurity (Kekotoran). Apakah kedua
tangki mempunyai impurity berbeda?
NO Tangki 1 Tangki 2
1 49 44
2 44 57
3 70 34
4 50 48
5 58 50
Jumlah = 271 Jumlah = 233
n = 5 n = 5
𝑥𝐴 = 54,2 𝑥𝐵 = 46,6
𝑆𝐴 = 10,1587 𝑆𝐵 = 8,4735
Apakah 𝑥𝐴 & 𝑥𝐵 berbeda atau tidak?
 JAWAB:
UJI t tetapi dilakukan terlebih dahulu uji F
𝐹ℎ =
(10,1587)2
(8,4735)2 = 1,37 =
103,1992
71,8002
𝐹𝑡
0,05
2
, 4,4 = 9,60
𝐹ℎ < 𝐹𝑡
𝑡ℎ =
𝑥𝐴 −𝑥𝐵
𝑠𝑝
𝑛𝐴 𝑥 𝑛𝐵
𝑛𝐴+ 𝑛𝐵
=
54,2 −46,6
9,3541
5 𝑥 5
5+5
= 1,285
𝑡𝑡
0,05
2
, 8 = 2,306 = 2,31
Variansi Sama
𝑡ℎ < 𝑡𝑡 rata rata A tidak
berbeda dengan rata rata B
Rata rata Non Signifikan
CARA ANOVA
J𝑘𝑡 = (49 ² + 44 ² + 70 ² +50 ² + 58 ²+ 44 ² +57 ² + 34 ² +48 ² + 50 ² ) – (504) ² / 10
= 26246 – 25401,6 = 844,4
J𝑘𝑎 =
2712
5
+
2332
5
-
5042
2 𝑥 5
= 144,40
J𝑘𝑑 = 49 ² + 44 ² + 70 ² +50 ² + 58 ² -
2712
5
+ 44 ² +57 ² + 34 ² +48 ² + 50 ² -
2332
5
= 15101 – 14688,2 + 11145 – 10857,8 = 700
J𝑘𝑑 = J𝑘𝑡 - J𝑘𝑎 = 844,4 – 144,4 = 700
Tabel Anova
Dalam Kolom S² = 𝜎2 = 87,5 S = 87,5 = 9,3541
𝐹ℎ =
144,4
87,5
= 1,65
𝐹𝑡 0,05, 1, 8 = 5,32
Sumber Jumlah Kuadrat 𝐷𝐵 KT KT diharapkan(KTD)
Antar Kolom J𝑘𝑎=144,4 1 144,4 𝜎2 + 5 𝜎𝑎
2
Dalam Kolom J𝑘𝑑 = 700 8 87,5 𝜎2
Jumlah J𝑘𝑡 = 844,4 9
𝐹ℎ < 𝐹𝑡 kedua rata rata tidak berbeda nyata.
Jika dibandingakn dengan uji t hasilnya sama yaitu rata rata tidak
berbeda nyata (non signifikan)
ANOVA 1 Variabel Bebas dengan Ulangan
FORMAT DATA
Ulangan A B C D
1 𝑋1.1 𝑋1.2 𝑋13 𝑋1.𝑗
2 𝑋2.1 𝑋2.2 𝑋2.3 𝑋2.𝑗
3 𝑋3.1 𝑋3.2 𝑋3.3 𝑋3.𝑗
4 𝑋𝑖.1 𝑋𝑖.2 𝑋𝑖.3 𝑋𝑖.𝑗
Jumlah 𝐽𝐾1 𝐽𝐾2 𝐽𝐾3 𝐽𝐾𝑗
Sumber J. Kuatrat DB KT KTD
Antar Variabel
(kolom)
J𝑘𝑎 =
𝐽𝐾𝑗
2
𝑛
-
𝐽𝑡2
𝑛
J-1 𝐽𝑘𝑎
𝑗 − 1
𝜎2 + n 𝜎𝑎
2
Dalam Variabel
(Baris)
J𝑘𝑑 = 𝑋𝑖𝑗
2
-
𝐽𝐾𝑗
𝑛
n-j 𝐽𝑘𝑑
𝑛 − 𝑗
𝜎2
Jumlah J𝑘𝑡 = 𝑋𝑖𝑗 -
𝑗𝑡2
𝑛
n-1
TABEL ANOVA
ANOVA 1Variabel Bebas dengan Ulangan
Contoh : 4 Lab menentukan kadar Etil asetat dari suatu sampel, masing masing lab
menentukan 5 kali
Hitunglah : a. Apakah data masing masing lab berbeda/tidak
B. Berapa variansi antar lab dan dalam lab
Ulangan A B C D
1 73 74 68 71
2 75 74 69 72
3 73 75 69 72
4 75 74 70 71
5 73 74 69 73
Jumlah 369 371 345 359
𝑥 73,8 74,2 69,0 71,8
J𝑘𝑡 =73 ² + 75 ² +73 ² +75 ² +.....73 ² – (1444)²/20
=104352 – 104256,8 = 95,2
J𝑘𝑎 =
3692
5
+
3712
5
+
3452
5
+
3692
5
-
14442
2 𝑥 10
= 84,8
J𝑘𝑑 = [(73 ² + 75 ² +73 ² +75 ² +73 ² )-(
3692
5
)] + [(74 ² + 74 ² +75 ² +74 ² +74
² - (
3712
5
)]+.......= 4,8 + 0,8 + 2 + 2,8 = 10,4
J𝑘𝑑 = J𝑘𝑡 - J𝑘𝑎 = 95,2 – 84,8 =10,4
Tabel ANOVA
Sumber Jumlah Kuadrat 𝐷𝐵 KT KTD
Antar Kolom J𝑘𝑎=84,8 3 28,27 𝜎2 + 5 𝜎𝑎
2
Dalam Kolom J𝑘𝑑 =10,4 16 0,65 𝜎2
Jumlah J𝑘𝑡 = 95,2 19 28,92
𝐹ℎ =
28,27
0,65
=43,49
𝐹𝑡 0,05, 3, 16 = 3,24
𝐹ℎ < 𝐹𝑡 terdapat perbeda 𝑥
Dalam lab S² = 0,65 S = 0,806
Antar lab S² + 5 𝑆𝑎
2 = 28,27
𝑆𝑎
2
=
28,27 − 0,65
5
= 5,524
𝑆𝑎 = 2,350 DB = 3
𝐹ℎ > 𝐹𝑡 rata rata antar lab terdapat perbedaan (berbeda nyata =
significant)
A B C D
𝑥 73,8 74,2 69,0 71,8
- Pada nilai rata ratanya, terlihat berbeda nyata disini secara global
untuk lebih telitinya maka dilakukan tindak lanjutkan UJI DUNCAN
UJI DUNCAN
C D A B
𝑥 69,0 71,8 73,8 74,2
MAKA : 1. B-C 2. A-C 3. D-C
B-D A-D
B-A
DB = 4 (5-1) = 16
Tabel 10 A Tingkat kepercayaan 95%
Sampel Ke 2 3 4
Daerah nyata 3,00 3,15 3,23
Daerah nyata terkecil 2,43 2,55 2,62
Cari nilai Sp berdasarkan ANOVA 𝑆𝑝
2 = 0,65 𝑆𝑝 = 0,806
B-C = 74,2 – 69,0 = 5,2 Vs 2,62 = Berbeda Nyata (S)
B-D = 74,2 – 71,8 = 2,4 Vs 2,55 = NS
B-A = 74,2 – 73,8 = 0,4 Vs 2,43 = Ns
A-C = 73,8 – 69,0 = 4,8 Vs 2,55 = Berbeda Nyata
A-D = 73,8 – 71,8 = 2 Vs 2,43 = NS
D-C = 71,8 – 69,0 = 2,8 Vs 2,43 = Berbeda Nyata
BAB 7. ANOVA 1 VARIABEL.pptx

More Related Content

Similar to BAB 7. ANOVA 1 VARIABEL.pptx

Anreg-Anava2-Pertemuan 3-4.pptx
Anreg-Anava2-Pertemuan 3-4.pptxAnreg-Anava2-Pertemuan 3-4.pptx
Anreg-Anava2-Pertemuan 3-4.pptxJoperhanPasbon
 
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)EDI RIADI
 
K14 Uji hipotesis 2 populasi.pdf
K14 Uji hipotesis 2 populasi.pdfK14 Uji hipotesis 2 populasi.pdf
K14 Uji hipotesis 2 populasi.pdfrifna13
 
002. Statistika dan Probabilitassss.pptx
002. Statistika dan Probabilitassss.pptx002. Statistika dan Probabilitassss.pptx
002. Statistika dan Probabilitassss.pptxfeyputrawansyah
 
Ms2slides (slide metstat ii dari pak danardono)
Ms2slides (slide metstat ii dari pak danardono)Ms2slides (slide metstat ii dari pak danardono)
Ms2slides (slide metstat ii dari pak danardono)aditaaam
 
Regegresi sederhana ayda tri_valen_virdya
Regegresi sederhana ayda tri_valen_virdyaRegegresi sederhana ayda tri_valen_virdya
Regegresi sederhana ayda tri_valen_virdyaAyda Fitriani
 
Matematika Analisis varians
Matematika Analisis variansMatematika Analisis varians
Matematika Analisis varianswafa khairani
 
Ukuran Penyebaran Data
Ukuran Penyebaran DataUkuran Penyebaran Data
Ukuran Penyebaran DataAisyah Turidho
 
Pertemuan 6 (ukuran penyebaran data))
Pertemuan 6 (ukuran penyebaran data))Pertemuan 6 (ukuran penyebaran data))
Pertemuan 6 (ukuran penyebaran data))reno sutriono
 
04. ral
04. ral04. ral
04. ralUNTAN
 
Pertemuan 11 (uji normalitas dan homogenitas)
Pertemuan 11 (uji normalitas dan homogenitas)Pertemuan 11 (uji normalitas dan homogenitas)
Pertemuan 11 (uji normalitas dan homogenitas)reno sutriono
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara dataHafiza .h
 

Similar to BAB 7. ANOVA 1 VARIABEL.pptx (20)

Ral
RalRal
Ral
 
Anreg-Anava2-Pertemuan 3-4.pptx
Anreg-Anava2-Pertemuan 3-4.pptxAnreg-Anava2-Pertemuan 3-4.pptx
Anreg-Anava2-Pertemuan 3-4.pptx
 
Power point statistik anava
Power point statistik anavaPower point statistik anava
Power point statistik anava
 
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
UJI BEDA (KOMPARASI) t - TEST (PRETEST-POSTEST)
 
K14 Uji hipotesis 2 populasi.pdf
K14 Uji hipotesis 2 populasi.pdfK14 Uji hipotesis 2 populasi.pdf
K14 Uji hipotesis 2 populasi.pdf
 
One way ANOVA
One way ANOVAOne way ANOVA
One way ANOVA
 
Makalah Uji T
Makalah Uji TMakalah Uji T
Makalah Uji T
 
002. Statistika dan Probabilitassss.pptx
002. Statistika dan Probabilitassss.pptx002. Statistika dan Probabilitassss.pptx
002. Statistika dan Probabilitassss.pptx
 
Ms2slides (slide metstat ii dari pak danardono)
Ms2slides (slide metstat ii dari pak danardono)Ms2slides (slide metstat ii dari pak danardono)
Ms2slides (slide metstat ii dari pak danardono)
 
Regegresi sederhana ayda tri_valen_virdya
Regegresi sederhana ayda tri_valen_virdyaRegegresi sederhana ayda tri_valen_virdya
Regegresi sederhana ayda tri_valen_virdya
 
Dasar dasar pengetahuan
Dasar dasar pengetahuanDasar dasar pengetahuan
Dasar dasar pengetahuan
 
Materi 8
Materi 8Materi 8
Materi 8
 
Pertemuan 5
Pertemuan 5Pertemuan 5
Pertemuan 5
 
Tm 05-uji-t
Tm 05-uji-tTm 05-uji-t
Tm 05-uji-t
 
Matematika Analisis varians
Matematika Analisis variansMatematika Analisis varians
Matematika Analisis varians
 
Ukuran Penyebaran Data
Ukuran Penyebaran DataUkuran Penyebaran Data
Ukuran Penyebaran Data
 
Pertemuan 6 (ukuran penyebaran data))
Pertemuan 6 (ukuran penyebaran data))Pertemuan 6 (ukuran penyebaran data))
Pertemuan 6 (ukuran penyebaran data))
 
04. ral
04. ral04. ral
04. ral
 
Pertemuan 11 (uji normalitas dan homogenitas)
Pertemuan 11 (uji normalitas dan homogenitas)Pertemuan 11 (uji normalitas dan homogenitas)
Pertemuan 11 (uji normalitas dan homogenitas)
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data
 

Recently uploaded

DATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGDATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGYudaPerwira5
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Shary Armonitha
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANDevonneDillaElFachri
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFFPMJ604FIKRIRIANDRA
 
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptDATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptmuhammadarsyad77
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksdanzztzy405
 
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptSIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptEndangNingsih7
 
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshKISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshDosenBernard
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAmasqiqu340
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptxAbidinMaulana
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesiasdn4mangkujayan
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfjeffrisovana999
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfPemdes Wonoyoso
 
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTPERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTYudaPerwira5
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningSamFChaerul
 

Recently uploaded (17)

DATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MININGDATA MINING : RSITEKTUR & MODEL DATA MINING
DATA MINING : RSITEKTUR & MODEL DATA MINING
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
 
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptDATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
 
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptSIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
 
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshKISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
 
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesia
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdf
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
 
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTPERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
 
Abortion pills in Jeddah+966543202731/ buy cytotec
Abortion pills in Jeddah+966543202731/ buy cytotecAbortion pills in Jeddah+966543202731/ buy cytotec
Abortion pills in Jeddah+966543202731/ buy cytotec
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data mining
 

BAB 7. ANOVA 1 VARIABEL.pptx

  • 1. BAB 7 Membandingkan Lebih dari 2 Rata-rata (ANOVA: Analysis of Variance)
  • 2. Tujuan  Menggunakan variansi dalam membandingkan rata-rata Misal: Uji F dan uji t  Untuk menentukan variabel-variabel yang memberikan pengaruh nyata terhadap hasil analisis Misal: untuk menentukan Fe dengan Kompleksometri variabel yang mempengaruhi adalah  pH  Konsentrasi  Waktu Reaksi  Kecepatan Reaksi
  • 3. Cara Analisis Variansi  2 tangki yang berbeda dianalisis oleh 5 analis untuk menentukan komponen didalamnya ANALIS Tangki 1 Tangki 2 Jumlah 1 4 13 17 2 5 0 5 3 3 2 5 4 4 1 5 5 4 4 8 Jumlah 20 20 40=Jt Rata-rata (𝑋) 4 4 Variansi (S²) 0,50 27,5 J𝑘𝑡= Jumlah Kuadrat Total = 𝑥2 - ( 𝑥)²/n J𝑘𝑡 = (4 ² + 5 ² + 3 ² + 4 ² + 4 ²+ 13 ² + 0 ² + 2 ² + 1 ² + 4 ² ) – (40) ² / n = 272 – 160 = 112
  • 4. J𝑘𝑎 = 202 5 + 202 5 - 402 2 𝑥 5 = 160 -160 = 0 J𝑘𝑑 = 4 ² + 5 ² + 3 ² + 4 ² + 4 ² - 202 5 +13 ² + 0 ² + 2 ² + 1 ² + 4 ² - 202 5 = 82 – 80 + 190 – 80 = 112 J𝑘𝑡 = J𝑘𝑎 + J𝑘𝑑 = 0 +112 𝐷𝐵 J𝑘𝑎 antar kolom = 2-1 = 1 𝐷𝐵 J𝑘𝑑 dalam kolom = 10 -2 = 8 J𝑘𝑎= (𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑜𝑙𝑜𝑚 1)2 𝑛 + (𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑜𝑙𝑜𝑚 2)2 𝑛 - 𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑜𝑡𝑎𝑙 2𝑛 J𝑘𝑑 = [ 𝑋𝐴 2 - ( 𝑋𝐴)²] + [ 𝑋𝐵 2 - ( 𝑋𝐵)²] J𝑘𝑡 = J𝑘𝑎 + J𝑘𝑑 𝐷𝐵 antar kolom = jumlah kolom -1 𝐷𝐵 dalam kolom = jumlah data – 2
  • 5. Tabel Anova Sumber Jumlah Kuadran 𝐷𝐵 KT KT diharapkan Antar Kolom J𝑘𝑎= 0 1 0 𝜎2 + 5 𝜎𝑎 2 Dalam Kolom J𝑘𝑑 = 112 8 14 𝜎2 J𝑘𝑡 = 112 𝐷𝐵 J𝑘𝑡 = Jumlah Data -1 = 10 – 1 = 9 KT = Kuadrat Tengah = 𝐽𝐾 𝐷𝐵 𝜎2 = 14 = S² S = 14 = 3,74
  • 6. Pengaruh Satu Variabel Terhadap Rata-rata ANOVA yang sederhana melibatkan 1 variabel bebas dan membandingkan 2 rata-rata  CONTOH : 2 sampel masing-masing dari tangki dianalisa 5x terhadap impurity (Kekotoran). Apakah kedua tangki mempunyai impurity berbeda? NO Tangki 1 Tangki 2 1 49 44 2 44 57 3 70 34 4 50 48 5 58 50 Jumlah = 271 Jumlah = 233 n = 5 n = 5 𝑥𝐴 = 54,2 𝑥𝐵 = 46,6 𝑆𝐴 = 10,1587 𝑆𝐵 = 8,4735
  • 7. Apakah 𝑥𝐴 & 𝑥𝐵 berbeda atau tidak?  JAWAB: UJI t tetapi dilakukan terlebih dahulu uji F 𝐹ℎ = (10,1587)2 (8,4735)2 = 1,37 = 103,1992 71,8002 𝐹𝑡 0,05 2 , 4,4 = 9,60 𝐹ℎ < 𝐹𝑡 𝑡ℎ = 𝑥𝐴 −𝑥𝐵 𝑠𝑝 𝑛𝐴 𝑥 𝑛𝐵 𝑛𝐴+ 𝑛𝐵 = 54,2 −46,6 9,3541 5 𝑥 5 5+5 = 1,285 𝑡𝑡 0,05 2 , 8 = 2,306 = 2,31 Variansi Sama 𝑡ℎ < 𝑡𝑡 rata rata A tidak berbeda dengan rata rata B Rata rata Non Signifikan
  • 8. CARA ANOVA J𝑘𝑡 = (49 ² + 44 ² + 70 ² +50 ² + 58 ²+ 44 ² +57 ² + 34 ² +48 ² + 50 ² ) – (504) ² / 10 = 26246 – 25401,6 = 844,4 J𝑘𝑎 = 2712 5 + 2332 5 - 5042 2 𝑥 5 = 144,40 J𝑘𝑑 = 49 ² + 44 ² + 70 ² +50 ² + 58 ² - 2712 5 + 44 ² +57 ² + 34 ² +48 ² + 50 ² - 2332 5 = 15101 – 14688,2 + 11145 – 10857,8 = 700 J𝑘𝑑 = J𝑘𝑡 - J𝑘𝑎 = 844,4 – 144,4 = 700
  • 9. Tabel Anova Dalam Kolom S² = 𝜎2 = 87,5 S = 87,5 = 9,3541 𝐹ℎ = 144,4 87,5 = 1,65 𝐹𝑡 0,05, 1, 8 = 5,32 Sumber Jumlah Kuadrat 𝐷𝐵 KT KT diharapkan(KTD) Antar Kolom J𝑘𝑎=144,4 1 144,4 𝜎2 + 5 𝜎𝑎 2 Dalam Kolom J𝑘𝑑 = 700 8 87,5 𝜎2 Jumlah J𝑘𝑡 = 844,4 9 𝐹ℎ < 𝐹𝑡 kedua rata rata tidak berbeda nyata. Jika dibandingakn dengan uji t hasilnya sama yaitu rata rata tidak berbeda nyata (non signifikan)
  • 10. ANOVA 1 Variabel Bebas dengan Ulangan FORMAT DATA Ulangan A B C D 1 𝑋1.1 𝑋1.2 𝑋13 𝑋1.𝑗 2 𝑋2.1 𝑋2.2 𝑋2.3 𝑋2.𝑗 3 𝑋3.1 𝑋3.2 𝑋3.3 𝑋3.𝑗 4 𝑋𝑖.1 𝑋𝑖.2 𝑋𝑖.3 𝑋𝑖.𝑗 Jumlah 𝐽𝐾1 𝐽𝐾2 𝐽𝐾3 𝐽𝐾𝑗
  • 11. Sumber J. Kuatrat DB KT KTD Antar Variabel (kolom) J𝑘𝑎 = 𝐽𝐾𝑗 2 𝑛 - 𝐽𝑡2 𝑛 J-1 𝐽𝑘𝑎 𝑗 − 1 𝜎2 + n 𝜎𝑎 2 Dalam Variabel (Baris) J𝑘𝑑 = 𝑋𝑖𝑗 2 - 𝐽𝐾𝑗 𝑛 n-j 𝐽𝑘𝑑 𝑛 − 𝑗 𝜎2 Jumlah J𝑘𝑡 = 𝑋𝑖𝑗 - 𝑗𝑡2 𝑛 n-1 TABEL ANOVA
  • 12. ANOVA 1Variabel Bebas dengan Ulangan Contoh : 4 Lab menentukan kadar Etil asetat dari suatu sampel, masing masing lab menentukan 5 kali Hitunglah : a. Apakah data masing masing lab berbeda/tidak B. Berapa variansi antar lab dan dalam lab Ulangan A B C D 1 73 74 68 71 2 75 74 69 72 3 73 75 69 72 4 75 74 70 71 5 73 74 69 73 Jumlah 369 371 345 359 𝑥 73,8 74,2 69,0 71,8
  • 13. J𝑘𝑡 =73 ² + 75 ² +73 ² +75 ² +.....73 ² – (1444)²/20 =104352 – 104256,8 = 95,2 J𝑘𝑎 = 3692 5 + 3712 5 + 3452 5 + 3692 5 - 14442 2 𝑥 10 = 84,8 J𝑘𝑑 = [(73 ² + 75 ² +73 ² +75 ² +73 ² )-( 3692 5 )] + [(74 ² + 74 ² +75 ² +74 ² +74 ² - ( 3712 5 )]+.......= 4,8 + 0,8 + 2 + 2,8 = 10,4 J𝑘𝑑 = J𝑘𝑡 - J𝑘𝑎 = 95,2 – 84,8 =10,4 Tabel ANOVA Sumber Jumlah Kuadrat 𝐷𝐵 KT KTD Antar Kolom J𝑘𝑎=84,8 3 28,27 𝜎2 + 5 𝜎𝑎 2 Dalam Kolom J𝑘𝑑 =10,4 16 0,65 𝜎2 Jumlah J𝑘𝑡 = 95,2 19 28,92
  • 14. 𝐹ℎ = 28,27 0,65 =43,49 𝐹𝑡 0,05, 3, 16 = 3,24 𝐹ℎ < 𝐹𝑡 terdapat perbeda 𝑥 Dalam lab S² = 0,65 S = 0,806 Antar lab S² + 5 𝑆𝑎 2 = 28,27 𝑆𝑎 2 = 28,27 − 0,65 5 = 5,524 𝑆𝑎 = 2,350 DB = 3 𝐹ℎ > 𝐹𝑡 rata rata antar lab terdapat perbedaan (berbeda nyata = significant)
  • 15. A B C D 𝑥 73,8 74,2 69,0 71,8 - Pada nilai rata ratanya, terlihat berbeda nyata disini secara global untuk lebih telitinya maka dilakukan tindak lanjutkan UJI DUNCAN UJI DUNCAN C D A B 𝑥 69,0 71,8 73,8 74,2 MAKA : 1. B-C 2. A-C 3. D-C B-D A-D B-A DB = 4 (5-1) = 16
  • 16. Tabel 10 A Tingkat kepercayaan 95% Sampel Ke 2 3 4 Daerah nyata 3,00 3,15 3,23 Daerah nyata terkecil 2,43 2,55 2,62 Cari nilai Sp berdasarkan ANOVA 𝑆𝑝 2 = 0,65 𝑆𝑝 = 0,806 B-C = 74,2 – 69,0 = 5,2 Vs 2,62 = Berbeda Nyata (S) B-D = 74,2 – 71,8 = 2,4 Vs 2,55 = NS B-A = 74,2 – 73,8 = 0,4 Vs 2,43 = Ns A-C = 73,8 – 69,0 = 4,8 Vs 2,55 = Berbeda Nyata A-D = 73,8 – 71,8 = 2 Vs 2,43 = NS D-C = 71,8 – 69,0 = 2,8 Vs 2,43 = Berbeda Nyata