Selasa, 19 Januari 2010

ANOVA.......LOLA NURHAULA

NAMA : LOLA NURHAULA
NIM : 080132
KELAS/ SMT : REGULER/ III-B

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. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktek, 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).

Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan percobaan:

1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
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).

Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.




Dari data tersebut dilakukan uji perbandingan, dengan menggunakan Prosedur One-Way Anova. Tombol Option pada prosedur One-Way ANOVA dapat kita gunakan untuk menampilkan nilai-nilai statistic dengan memberikan tanda centang pada pilihan Descriptipe dan untuk menguji homogenitas varian (kesamaan varian). Sehingga dari analisis dengan menggunakan SPSS tersebut diperoleh output sebagai berikut:






Oneway





ANALISIS OUTPUT
. Hipotesis :
Ho : ó²BMW = ó² HONDA = ó² TOYOTA
Ho : Nilai variansinya tidak semua sama.
Dari table di atas terllihat bahwa taraf signifikansi = 0,148 Karena nilai ini lebih besar dari taraf signifikansi 0,05 maka kita menerima Ho. Artinya varians dari populasi nilai statistik tersebut adalah sama.




Output anova
Ho : µ BMW = µ HONDA =µ TOYOTA
(tidak ada perbedaan daya tahan rata-rata dari ketiga merek tersebut)
H1 : µ BMW ≠ µ HONDA ≠ µ TOYOTA
(minimal 3 merek dengan kualitas rata-rata yang berbeda)
Dalam pengujian kali ini di gunakan tingkat signifikasi 0,05 ( α = 0,05) atau dengan kata lain tingkat kepercayaannya sebesar 0,95 (95%)
Penarikan kesimpulan:
Fhit > Ftable → tolak Ho
Fhit< >
Nilai statistic Ftable adalah (2;87;0,05) = 0,459 (dari table distribusi F)
Terlihat dari table ANOVA bahwa nilai Fhit = 9,055 yang mana nilai ini lebih besar dari nilai Ftable = 0,459 sehingga dapat di simpulkan bahwa dapat menolak Ho, yang artinya ada perbedaan antara merek dari ketiga mobil tersebut.
Di atas sudah di jelaskan bila Ho diterima uji perbandingan mean dalam Post Hoc tidak berguna lagi, hal ini bise kita lihat bahwa tingkat signifikasi semuanya di atas 0,05.


Post Hoc Tests



ANALISIS OUTPUT
Dengan analisis LSD pada Post Hoc terlihat bahwa:
 BMW dan HONDA (karena nilai Sig. > 0,05)
 BMW dan TOYOTA (karena nilai Sig. > 0,05
Selanjutnya dilakukan uji kehomogenan varians populasi jumlah.Adapun hipotesisnya adalah sebagai berikut :
Ho : ó1² = ó2 ² = ó3 ² = … = ók²
H1 = Nilai varian tidak semuanya sama.

Means Plots

Tidak ada komentar:

Posting Komentar