Tugas Anova Punya Agus

1,455 views

Published on

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,455
On SlideShare
0
From Embeds
0
Number of Embeds
9
Actions
Shares
0
Downloads
49
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Tugas Anova Punya Agus

  1. 1. TUGAS STATISTIKA DASAR ANOVA Diajukan untuk salah satu mata kuliah Statistika Dasar <ul><li>Kelas III D (NR) </li></ul><ul><li>Disusun oleh : </li></ul><ul><li>Agus Mulyadi (082443) </li></ul><ul><li>UNIVERSITAS SULTAN AGENG TIRTAYASA </li></ul><ul><li>FAKULTAS KEGURUAN DAN ILMU PEN DIDIKAN </li></ul><ul><li>PROGRAM STUDI PENDIDIKAN BIOL OGI </li></ul><ul><li>SERANG – BANTEN </li></ul><ul><li>2009 </li></ul>
  2. 2. 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
  3. 3. Kegunaan ANOVA <ul><li>Mengendalikan 1 atau lebih variabel independen </li></ul><ul><ul><li>Disebut dgn faktor (atau variabel treatment ) </li></ul></ul><ul><ul><li>Tiap faktor mengandung 2 atau lebih level (kategori / klasifikasi) </li></ul></ul><ul><li>Mengamati efek pada variabel dependen </li></ul><ul><ul><li>Merespon level pada variabel independen </li></ul></ul><ul><li>Perencanaan Eksperimen: perencanaan dengan menggunakan uji hipotesis </li></ul>
  4. 4. ANOVA 1 Arah <ul><li>Evaluasi perbedaan diantara 3 atau lebih mean populasi </li></ul><ul><ul><li>Contoh: Tingkat kecelakaan pada 3 kota </li></ul></ul><ul><ul><li>Usia pemakaian 5 merk Handphone </li></ul></ul><ul><li>Asumsi </li></ul><ul><ul><li>Populasi berdistribusi normal </li></ul></ul><ul><ul><li>Populasi mempunyai variansi yang sama </li></ul></ul><ul><ul><li>Sampelnya random dan independen </li></ul></ul>
  5. 5. Desain Acak Lengkap <ul><li>Unit percobaan (subjek) dipilih acak pada perlakuan ( treatments) </li></ul><ul><li>Hanya ada 1 faktor / var. independen </li></ul><ul><ul><li>Dengan 2 atau lebih level treatment </li></ul></ul><ul><li>Analisis dengan : </li></ul><ul><ul><li>ANOVA 1 arah </li></ul></ul><ul><li>Disebut juga Desain Seimbang jika seluruh level faktor mempunyai ukuran sampel yang sama </li></ul>
  6. 6. Hipotesis ANOVA 1 Arah <ul><ul><li>Seluruh mean populasi adalah sama </li></ul></ul><ul><ul><li>Tak ada efek treatment (tak ada keragaman mean dalam grup) </li></ul></ul><ul><ul><li>Minimal ada 1 mean populasi yang berbeda </li></ul></ul><ul><ul><li>Terdapat sebuah efek treatment </li></ul></ul><ul><ul><li>Tidak seluruh mean populasi berbeda (beberapa pasang mungkin sama) </li></ul></ul>
  7. 7. Partisi Variasi <ul><li>Variasi total dapt dipecah menjadi 2 bagian: </li></ul>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
  8. 8. 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)
  9. 9. 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
  10. 10. 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
  11. 11. 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
  12. 12. 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.
  13. 13. 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.
  14. 14. 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.
  15. 15. Merupakan hasil pemasukan koefesiensi kontras, dimana koefesien pada cilegon = 0.5, serang = 0.5 dan tangerang = 1
  16. 17. Post Hoc Tests
  17. 18. Homogeneous Subsets
  18. 19. Means Plots

×