LAB MANAJEMEN DASAR MODUL METODE RISET PRAKTIKUM ILAB KAMPUS H
Nama : NPM/Kelas : Fakultas/Jurusan :
Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1
UJI PERBEDAAN LEBIH DARI DUA SAMPEL (ANOVA) I.
PENDAHULUAN Uji perbedaan lebih dari dua sampel disebut juga analisis varians, dipopulerkan oleh Sir Donald Fisher, seorang pendiri modern. Analisis ini digunakan untuk : 1. Menguji hipotesis kesamaan rata-rata antara dua grup atau lebih (tidak berbeda secara signifikan). 2. Menguji apakah varians populasinya sama ataukah tidak. Asumsi : 1. Populasi-populasi yang akan diuji terdistribusi normal 2. Varians dari populasi-populasi tersebut adalah sama 3. Sampel tidak berhubungan satu dengan yang lain II. ANALISIS YANG DIPERLUKAN Uji Kesamaan Varians Lihat output livene’s test of homogeneity of varians 1. Hipotesis : Ho : Varians ketiga sampel identik Ha : Varians ketiga sampel tidak identik 2. Pengambilan keputusan Jika Probabilitas > 0.05, maka Ho di terima Jika Probabilitas < 0.05, maka Ho di tolak Uji Anova Lihat output analysis of varians 1. Hipotesis : Ho : ke-3 Rata-rata populasi adalah identik Ha : ke-3 Rata-rata populasi adalah tidak identik 2. Pengambilan keputusan Jika Probabilitas > 0.05, maka Ho di terima Jika Probabilitas < 0.05, maka Ho di tolak III. CONTOH KASUS Seorang pengusaha persewaan becak ingin membeli ban. Di toko ternyata ada 3 ban becak yang harganya sama, yaitu ban merk A, ban merk B, ban merk C. Pengusaha tersebut ingin membeli satu dari 3 ban tersebut. Untuk itu ia akan mengadakan percobaan terhadap daya tahan ban (hari). Hasil percobaannya adalah sebagai berikut : Sampel Ban A Ban B Ban C 1 110 100 110 2 100 100 110 3 110 120 90 4 120 120 80 IV. LANGKAH-LANGKAH PENGERJAAN Untuk mencari nilai-nilai anova data tersebut dengan menggunakan program R, ikutilah langkah-langkah berikut : 1. Tekan icon R Commander pada desktop kemudian akan muncul tampilan seperti gambar di bawah ini.
2
Gambar 1. Tampilan menu awal R commander 2. Pilih menu Data, New data set. Masukkan nama dari data set adalah anova kemudian tekan tombol OK
Gambar 2. Tampilan menu New data set
Gambar 3. Tampilan New Data Set
3
Kemudian akan muncul Data Editor
Gambar 4. Tampilan Data Editor 3. Masukkan data dengan var1 merk.ban dan var2 daya tahan. Jika Data Editor tidak aktif maka dapat diaktifkan dengan menekan RGui di Taskbar windows pada bagian bawah layar monitor. Jika sudah selesai dalam pengisian data tekan tombol Close. Untuk mengubah nama dan tipe variabel, dapat dilakukan dengan cara double click pada variable yang ingin di setting.
Gambar 5. Tampilan Variabel editor merk.ban
Gambar 6. Tampilan Variabel editor dayatahan Kemudian Isi masing-masing variabel sesuai dengan data soal setelah selesai isi data kemudian tekan tombol X (close)
4
Gambar 7. Tampilan isi Data Editor Selanjutnya, pilih window R-commander akan muncul tampilan :
Gambar 8. Tampilan Sript Window 4. Untuk mengecek kebenaran data yang sudah dimasukkan, tekan tombol View data set maka akan muncul tampilan. Jika ada data yang salah, tekan tombol edit data set, lalu perbaiki data yang salah.
5
Gambar 9. Tampilan View anova Untuk merubah variabel numerik ban pada tampilan R commander pilih : Manage variables in active data set kemudian pilih Bin numeric variable.
Gambar 10. Tampilan Manage variables
6
Kemudian akan muncul tampilan :
Gambar 11. Tampilan Bin a Numeric Variable Kemudian akan muncul tampilan rubah nama Bin :
Gambar 12. Tampilan Bin Names 5. Jika data sudah benar, pilih menu Statistics, Varians, Levene’s test.
Gambar 13. Tampilan menu olah data 7
6. Pada Response Variable pilih variabel daya tahan (numerik) kemudian tekan tombol OK .
Gambar 14. Tampilan Levene’s Test 7. Pilih menu R commander untuk mencari nilai Anova. Pilih menu Statistics, Means, Oneway ANOVA
Gambar 15. Tampilan menu olah data 2 Kemudian akan muncul tampilan :
Gambar 16. Tampilan One-Way Analysis of Variance Untuk Response Variable pilih dayatahan, aktifkan pairwise comparison of means 8
8. Maka akan muncul hasil pada output window sebagai berikut : Output bagian 1
Gambar 17. Tampilan output bagian 1 Analisa : Output di atas menunjukan nilai f probabilitas 0,1004 > 0,05 maka Ho diterima atau ketiga varians sampel identik Output bagian 2
Gambar 18 Tampilan output bagian 2 9
Analisa ; Output di atas menunjukan f probabilitas 0,2801>0,05, maka Ho diterima atau daya tahan ke tiga merk ban adalah identik (sama). Rata-rata daya tahan ban A adalah 110,0, ban B110,0, ban C 97,5 Output bagian 3 :
Gambar 19 Tampilan output bagian 3 Analisa : Standar deviasi ban merk A 8,16, merk B 11,54, merk C 15,00 Jumlah sampel masing-masing merk ban adalah 4 dan tidak ada data yang hilang Output bagian 4 :
10
Gambar 20. Tampilan output bagian 4 Analisa : 95% family-wise confidence level Lihat nilai estimate paling besar adalah Ban C-ban A = -1,25 dan ban C-Ban B= -1,25, maka ini menunjukan rata-rata daya tahan antara ketiga merk ban berbeda, dengan selang kepercayaan 95 %
11
