BAB IV

UJ I VALIDITAS DAN UJ I RELIABILITAS

VALIDITAS DAN RELIABILITAS

Hasil penelitian yang valid bila terdapat kesamaan antara data
yang terkumpul dengan data yang sesungguhnya terjadi pada
obyek yang diteliti.

Hasil penelitian yang reliabel bila terdapat kesamaan data
dalam waktu yang berbeda.

Instrumen yang valid : alat ukur yang digunakan untuk
mendapatkan data (mengukur) itu valid.

Valid berarti instrumen tersebut dapat digunakan untuk
mengukur apa yang seharusnya diukur.

Meteran yang valid dapat digunakan untuk mengukur panjang
dengan teliti karena meteran memang alat untuk mengukur
panjang.

Instrumen yang reliabel : instrumen yang bila digunakan
beberapa kali untuk mengukur obyek yang sama akan
menghasilkan data yang sama.

Alat ukur panjang dari karet contoh instrumen yang tidak
reliabel/konsisten.

Instrumen yang valid dan reliabel merupakan syarat mutlak untuk
mendapatkan hasil penelitian yang valid dan reliabel.

Instrumen yang berbentuk test untuk mengukur prestasi
belajar dan instrumen yang nontest untuk mengukur sikap.

Instrumen yang berupa test jawabannya adalah salah atau
benar sedangkan instrumen sikap jawabannya tidak ada yang
salah atau benar tetapi bersifat positif atau negatif.


PENGUJ IAN VALIDITAS DAN RELIABILITAS INSTRUMEN

Pengujian Validitas Instrumen

Pada setiap instrumen baik test maupun non test terdapat butir-
butir (item) pertanyaan atau pernyataan.

Untuk menguji validitas butir-butir instrumen lebih lanjut maka
estela dikonsultasikan dengan ahli selanjutnya diujicobakan dan
dianalisis dengan analisis item.

Analisis item dilakukan dengan menghitung korelasi antara skor
butir instrumen dengan skor total.

Pengujian Reliabilitas Instrumen

Internal Consistency

Pengujian ini dilakukan dengan cara mencobakan instrumen
sekali saja kemudian data yang diperoleh dianalisis dengan teknik
tertentu.

Hasil analisis dapat digunakan untuk memprediksi reliabilitas
instrumen.
Pengujian reliabilitas instrumen dapat dilakukan dengan teknik
belah dua dari Spearman Brown (splits half).

Rumus Spearman Brown :
b
b
i
r
r
r
+
=
1
2

dengan
r
i
= reliabilitas internal seluruh instrumen,
r
b
= korelasi produk moment antara belahan pertama
dan belahan kedua.


Contoh Pengujian Validitas dan Reliabilitas Instrumen

Pengujian Validitas Instrumen

Pengujian validitas tiap butir digunakan analisis item
mengkorelasikan skor tiap butir dengan skor total yang
merupakan jumlah tiap skor butir.

Item yang mempunyai korelasi positif dengan kriterium (skor
total) serta korelasi yang tinggi menunjukkan bahwa item
tersebut mempunyai validitas yang tinggi pula.
Jika korelasi antara butir dengan skor total kurang dari 0,3 maka
butir dalam instrumen tersebut dinyatakan tidak valid.

Terdapat 18 koefisien korelasi (jumlah butir 18) dan korelasi
tersebut lebih besar dari 0,3 atau lebih kecil.

Dari data ternyata semua item valid sehingga semua item
instrumen valid.


Pengujian Reliabilitas Instrumen

Pengujian reliabilitas instrumen dilakukan dengan internal
consistensi dengan teknik splits half yang dianalisis dengan
rumus Spearman Brown.

Butir-butir instrumen dibelah menjadi dua kelompok yaitu
kelompok instrumen ganjil dan kelompok genap.

Skor butirnya dijumlahkan sehingga menghasilkan skor total.

Skor total antara kelompok ganjil dan genap dicari korelasinya.

Koefisien korelasi tersebut selanjutnya dimasukkan dalam rumus
Spearman Brown yaitu :
92 , 0
85 , 1
) 85 , 0 ( 2
1
2
= =
+
=
b
b
i
r
r
r .

Jadi reliabilitas instrumen gaya kepemimpinan 0,92.

Berdasarkan uji coba instrumen ini sudah valid dan reliabel
seluruh butirnya instrumen dapat digunakan untuk pengukuran
dalam rangka pengumpulan data.

BAB V
UJ I HIPOTESIS DALAM SAMPEL GANDA

Uji Hipotesis Variansi Dengan Sample-Ganda

Banyak persoalan keteknikan sering kali ingin mengetahui apakah
suatu karakteristik yang diamati dari dua populasi serupa atau
berbeda.
Misalnya seorang ahli pompa ingin mengetahui :
- apakah kapasitas dan tinggi tekan sebuah pompa minyak
yang diuji dengan posisi instalasi pipa vertikal sama dengan
posisi pipa secara horizontal,
- apakah motor penggerak van yang digunakan pada menara
pendingin (cooling tower) yang dibuat oleh perusahaan A
lebih berdaya tahan lama dibandingkan dengan buatan
perusahaan B untuk spesifikasi teknis sama, dll.
Dalam hal ini perlu diadakan uji hipotesis ganda.

Suatu hal yang penting harus diperhatikan bahwa
pengujian hipotesis sampe ganda ini bukan untuk
mengestimasi nilai-nilai mutlak dari parameter-parameter yang
ditinjau melainkan untuk mengetahui nilai relatif dari
parameter-parameter tersebut.
Tujuan uji hipotesis sample-ganda untuk menggunakan
data data dari dua sampel yang diperoleh dari dua populasi dan
mengetahui apakah ada perbedaan yang secara statistik cukup
berarti (significant) antara parameter dari kedua populasi
tersebut.
Asumsi :
Data di kedua populasi yang diambil sebagai sampel
harus berdistribusi normal.
Sumber data dari populasi harus independen terhadap
sumber data populasi dari sample ke-2 (independent
sample).

Prosedur Uji dua Variansi
Dalam uji dua varian ini varian sampel (s
2
) digunakan untuk
mengambil kesimpulan mengenai varians populasi (
2
). Jadi
dalam uji ini diambil uji sample acak dari dua sample populasi, di
hitung variansi data, dari masing masing sampel dan hasilnya
digunakan sebagai dasar untuk membandingkan variansi
populasi.



Prosedur dalam pengujian dua variansi :
Pengujian Hipotesis nol dan Hipotesis Alternatif
Dalam uji varians hipotesis nolnya adalah tidak ada perbedaan
variabilitas pada kedua populasi. Sedangkan hipotesis aslinya
terdapat perbedaan berarti antara kedua varians varians
populasinya populasi. Jadi :
H
o
:
2
1
=
2
2
H
1
:
2
1

2
2

: (
2
1
<
2
2
)

: (

2
1
>
2
2
)
Pemilihan tingkat kepentingan (level of significance) .
Penentuan distribusi pengujian yang digunakan.
Dalam uji dua varian ini yang digunakan adalah distribusi F yang
merupakan suatu distribusi sampling dengan sifat-sifat sebagai
berikut:
1. Distribusi F adalah distribusi sampling untuk variable
s
2
1
/ s
2
2
(rasio variansi sample).
2. Seluruh nilai F > 0.
3. Tidak simetris.
4. Terdapat perbedaan bentuk distribusi yang tergantung
pada jumlah sampelnya serta banyaknya sampel
pengamatan pada sampel tersebut.

Gambar 10. 1 menunjukan bentuk umum
distribusi F








Gambar. 10.1
Bentuk umum
distribusi F
F = s
2
1
/ s
2
2
Nilai-nilai distribusi F telah disajikan dalam table dalam bentuk
F
,df1,df2
, yang dapat ditentukan mengenai tiga hal sebagai berikut:
Tingkat kepentingan (level of significance),
Derajat kebebasan (degree of freedom) untuk
sample yang digunakan sebagai pembilang
dalam rasio uji s
2
1
/ s
2
2,

(df
1
= v
1
= n
1
-1 ).
Derajat kebebasan degree of freedom untuk
sample yang digunakan sebagai penyebut
dalam rasio uji s
2
1
/ s
2
2,

(df
2
= v
2
= n
2
-1 ).
Sampel dalam variansi yang terbesar dinyatakan sebagai sampel
1 dan selalu dijadikan pembilang dalam rasio uji.
Jika hipotesis alternatif adalah H
1
: :
1
2
=
2
2
maka dilakukan uji dua sisi. Jika hendak dilakukan uji
satu ujung maka paling mudah dilakukan
menyatakan hipotesis alternatif sebagai
H
1
:
1
2
>
2
2
.
2. Pendefinisian daerah daerah penolakan atau daerah
daerah kritis
3. Pernyataan aturan keputusan (Decision rule)
4. Perhitungan rasio uji (RU)
Rumus yang di gunakan untuk menghitung rasio uji
(nilai F) adalah = RU
F
= F
test
= s
2
1
/ s
2
2,

5. Pengambilan keputusan secara statistik
Jika nilai uji statistik berada di daerah penerimaan
maka hipotesis nol diterima dan jika berada di daerah
penolakan maka hipotesis nol di tolak.

Contoh
Untuk mengetahui pengaruh pemberian bahan peredam
suara suatu kompartemen kendaraan dengan dua jenis
bahan yang berbeda A dan B dilakukan suatu
percobaan pengukuran kekurangan kebisingan dengan
menggunakan detektor bunyi.
Tujuan dari percobaan ini ingin mengetahui apakah
ada perbedaan variabilitas yang berarti kedua bahan
tersebut dalam hal meredam kebisingan mengingat harga
kedua bahan tersebut sangat jauh berbeda.

Diasumsikan bahwa masing-masing bahan akan
menghasilkan suatu peredam dengan distribusi normal
untuk menguji tersebut bahan A dipasangkan pada 8
kompartemen dan bahan B dipasangkan pada 9 mobil
mobil yang sejenis.

Setelah diuji ternyata A memberikan pengurangan
sebesar 41, 43, 60, 56, 85, 79, 51, 49 (dB). Sedangkan
bahan B memberikan pengurangan kebisingan sebesar
73, 67, 83, 70, 66, 68, 92, 76, 59 (dB).

Dengan menggunakan uji dua variansi kesumpulan apa
yang bisa diambil ?
Untuk melakukan uji hipotesis mula-mula dilakukan perhitungan
deskriptif terhadap masing masing sampel yang menghasilkan :
Sample bahan A:
( )
29 , 260
1
58
2
2
1 1
=

= = =

n
x x
s dan
n
x
x .
Sample bahan B :
( )
98
1
7 , 72
2
2
2 2
=

= = =

n
x x
s dan
n
x
x .
Uji hipotesis dilakukan dengan langkah-langkah sebagai berikut :
1. Hipotesis :
H
o
: :
1
2
=
2
2
H
1
:

:
1
2

2
2
2. =0,05 = 5 %.
3. Pengujian menggunakan Distribusi F.
karena variansi A lebih besar dari pada sample B
maka n
1
=n
A
=8, dan n
2
=n
B
=9, maka derajat
kebebasan df untuk pembilang adalah df
1
= v
1
= n
1
-1=
8 -1 =7 dan derajat kebesan untuk penyebut adalah
df
2
= v
2
= n
2
-1 = 9 -1 = 8
a. Batas batas penolakan daerah kritis
=0,05 = 5 % maka /2 =0,025 ( gunakan table F
untuk =0,025) dari table 10.1 untuk =0,025, df =1
(pembilang ) = v1=7 dan df 2 (penyebut ) = 8 batas
kritisnya adalah F
0.025, 7, 8
= 4, 53.
b. Aturan keputusan
Tolak H
0
dan terima H
1
jika RU
f
> 4.53 jika tidak
demikian terima H
0

c. Rasio Uji
656 . 2
98
29 . 260
2
2
2
1
= = =
s
s
RU
F
.

d. Pengambilan Keputusan
Karena RU
F
< 4,53 maka H
o
: :
1
2
=
2
2
diterima .
Hal ini berarti tidak terdapat perbedaan yang
signifikan terhadap variabel hasil terhadap kedua
bahan tersebut.







Daerah
penolakan
0.025
Daerah
penolakan
0.025
Daerah
penerimaan
0.025
F=s
2
1
/s
2
2
4.53





Seandainya hanya diinginkan melakukan uji satu sisi maka
hipotesis alternatifnya menjadi :
Hipotesis H
1
: :
1
2
>
2
2

Batas daerah penolakan kritis satu ujung adalah
Digunakan = 0,05 = 5 % maka = 0,05 ( gunakan
table F untuk =0,025) dari table untuk =0,025, df
1 pembilang = v1=7 dan df 2 (penyebut ) = 8 batas
kritisnya adalah F
0.025, 7, 8
= 3.78
Aturan pengambilan keputusan
Tolak H0 dan terima H1 jika RU
f
> 3.50, jika tidak
demikian terima H0.
Pengambilan keputusan
Karena RU
F
< 3.50 maka H
o
:
1
2
=
2
2
diterima .




Uji Hipotesis Mean dengan Sampel Ganda
Klasifikasi
Dalam uji hipotesis mean dengan sample ganda, asumsi bahwa
asumsi kedua distribusi normal tetap digunakan, namun demikian
prosedur uji hipotesisnya dapat dapat mengikuti tahapan yang
berbeda yang tergantung pada kondisi samplenya.

Secara umum ada 4 prosedur uji yaitu :
Uji z untuk populasi yang independent dan jika variansi
variansi populasi diketahui atau jika kedua sample
ukurannya di ketahui
Uji t sampel ukuran kecil untuk populasi yang
independen jika uji F-nya menunjukan
1
2

1
2
.
Uji t sampel ukuran kecil jika populasi yang independen
jika uji F nya diketahui
1
2
=
1
2
.


Uji z untuk populasi yang independen
Suatu uji z digunakan bila :
Sampel yang diambil dari kedua populasi yang
independen dan berdistribusi normal.
Nilai nilai standard populasi
1
dan
2
telah diketahui
atau ukuran kedua sampel lebih dari 30 ( n > 30).
Prosedur uji hipotesisnya sebagai berikut :
1. Pernyataan hipotesis nol dan hipotesis alternatif.
Dalam uji hipotesis nol dan hipotesis alternatifnya
adalah :
H
0
:
1
=
2

H
1
:
1

2
uji dua ujung

1
<
2
uji satu ujung

1
>
2

2. Pemilihan tingkat kepentingan
3. Penentuan distribusi yang digunakan.
Sesuai dengan namanya distribusi yang digunakan
adalah distribusi z.
4. Pendefinisian daerah penolakan atau daerah kritis
5. Pernyataan aturan keputusan.
6. Perhitungan rasio uji adalah :
Rumus yang digunakan untuk rasio uji adalah :
o Jika
1
dan
2
telah diketahui ,
2
2
2
1
2
1
2 1
2 1
2 1
n n
x x
z RU
x x
x x
test z

+ =

= =

o Jika
1
dan
2
tidak diketahui tetapi ukuran sample
lebih dari 30 (n > 30)
2
2
1
1
2 1
2 1
2 1
n
s
n
s
x x
z RU
x x
x x
test z
+ =

= =

.
7. Pengambilan keputusan secara statistik.

Contoh
sebuah perusahaan telekomunikasi bergerak memutuskan
untuk memasang sistem antena jenis baru di stasiun
relainya untuk meningkatkan kinerja pembicaraan dengan
pelanggannya.

Dua contoh antena dari 2 pemasok cukup memadai untuk
penerapan yang diinginkan.

Untuk menjamin pemasokan dan suku cadang perusahaan
tersebut memutuskan untuk membeli dari 2 pemasok
tersebut. Dengan syarat tidak ada perbedaan yang sama
artinya daya tahan usia memiliki umur yang sama. Suatu
sampel acak dari 35 dari sistem antenna pertama dan 32
antean dari pemasok B akan diuji. Rata-rata kegagalan dari
sistem antenna adalah 2800 hari dari antenna A dan 2750
dari antenna B.

Suatu sumber dari industri independen yang layak
mengidentifikasikan bahwa standard deviasi untuk sistem A
adalah 200 jam dan untuk antena B adalah 180 hari.
Dengan tingkat kepentingan 0,05 maka apakah terdapat
perbedaan dalam sistem antena tersebut ?


Uji hipotesis dilakukan dengan langkah sebagai berikut :
1. Hipotesis
H
0
:
1
=
2

H
1
:
1

2
uji dua ujung
2. = 0.05
3. Menggunakan distribusi z
4. batas batas daerah penolakan / batas kritis dua ujung
adalah = 0.05 berarti /2 = 0.025 dari table z di
dapatkan nilai kritis sebagai berikut : 1.96
5. Aturan keputusan
Tolak H
0
dan terima H
1
jika RUz < 1.96
atau RUz < -1.96, jika tidak demikian terima H
0

6. Rasio uji
08 . 1
33 . 46
2750 2800
43 . 46
36
180
180
200
2 1
2 1
2 1
2 2
2
2
1
1
=

= =
= = + =

x x
test z
x x
x x
z RU
n n

7. Pengambilan keputusan
Karena -1.96 < RUz < 1.96 maka H0 di terima. Hal ini
sama artinya bahwa tidak ada perbedaan antara sistem
antenna 1 dan antenna 2.

Contoh
Seorang pimpinan kamar dagang kota A berpromosi untuk
menarik investor baru di daerah ia bekerja.

Ia mengatakan bahwa upah buruh di daerah di daerah ia bekerja
suatu pekerjaan lebih murah dibandingkan dengan daerah lain.

Direktur yang berniat investasi di daerah tersebut namun agak
skeptis dengan pernyataan itu ingin membuktikan kebenaran
klaim tersebut dan bermaksud mengujinya.

Suatu random terdiri dari 60 pekerja A didapati bahwa upah
perharinya adalah 9.75 ribu rupiah dengan deviasi standard 2 ribu
rupiah. Sebuah sample random lainnya terdiri dari 50 sampel
yang memiliki upah per harinya 10.25 ribu rupiah dan deviansinya
1.25 ribu rupiah. Dengan tingkat kepentingan 0.01 apakah
direktur perusahaan akan menginvestasikan di kota A ?

Uji hipotesis dilakukan dengan langkah sebagai berikut ini :
1. Hipotesis
H
0
:
1
=
2

H
1
:
1
<
2
uji satu ujung
2. = 0.01
3. Menggunakan distribusi z
4. Batas batas daerah penolakan atau daerah kritis
adalah uji satu ujung dengan =0.01 dan dari tabel di
dapatkan nilai z
0.01
= -2.33.
5. Aturan keputusan
tolak H
0
dan terima H
1
jika RUz < -0.233 dan jika tidak
demikian maka terima H
0
.
6. Rasio uji
6 . 1
313 . 0
25 . 10 75 . 9
313 . 0
50
25 . 1
60
2
2 1
2 1
2 1
2 2
2
2
1
1
=

= =
= + = + =

x x
test z
x x
x x
z RU
n
s
n
s

7. Pengambilan keputusan
Karean RUz > -0.233 maka H
0
di terima hal ini berarti
bahwa upah buruh di kota A tidak lebih murah dari
pada di kota lainnya.


Uji t sample ukuran kecil untuk populasi yang independent
jika uji F nya menunjukkan
2
1

2
2

Uji ini akan digunakan bila:
Sampel dari kedua populasi berdistribusi normal
Nilai standart populasi
1
dan
2
tidak di ketahui
Ukuran n
1
dan n
2
kecil
Uji F pada variansi menunjukan
2
1

2
2


Prosedur pengujiannya merupakan prosedur pengujian dua
varians dan uji t dengan ketentuan sebagai berikut :
a. Rasio uji
( ) ( )
2
2
2 1
2
1
2 1
/ / n s n s
x x
RUt
+

=
b. Derajat kebebasan
Derajat kebebesan adalah derajat yang lebih kecil
dari dua sample tersebut

Contoh 10.5
Agen penyewaan genset menyatakan pada sebuah
perusahaan yang akan menyewa sejumlah gensaet bahawa
rata rata biaya genset berdaya 10 kwh sama sama di sector
A dan B di kota tersebut.

Untuk menguji pernyataan tersebut maka perusahaan
tersebut mengambil sample di beberapa persewaan genset
di sector A dan sector B di kota tersebut.

Di sektor A dengan 10 data diperoleh rata rata sebuah sewa
genset adalah 595 000 dengan deviasi 62000 dan di sektor
B 12 data dengan rata rata sewa per genset adalah 58000
dan deviasi 32000.

Apakah yang dapat disimpulkan dari data di atas dan
dengan tingkat kepentingan 0.05?

Uji hipotesis akan dilakukan dengan langkah :
Uji F atas variansi :
1. Hipotesis :
H
o
:
2
1
=
2
2
H
1
:
2
1

2
2
2. =0.05
3. Karena varians lebih A lebih besar dari pada
sampel B maka variansi untuk n
1
=n
A
=10 dan
n
2
= n
B
= 12 maka derajat kebebebasannya
adalah df
1
= v
1
= n
1
-1 = 9 sedangkan untuk
df
2
= v
2
= n
2
-1= 11.
4. Batas batas daerah kritis untuk penolakan adalah
= 0.05 maka /2 = 0.025 dari table F untuk
= 0.025 dan df1 = v1 =9 dan df2 = v2 = 11.
5. Aturan keputusan
tolak H0 dan terima H1 jika RU
F
> 3.39 dan jika
tidak demikian terima H0
6. Rasio uji
745 . 3
32000
62000
2
2
2
2
2
1
= = = =
s
s
F RU
test F

7. Pengambilan keputusan
karena RU
F
> 3.59 maka H
0
ditolak dengan sama
artinya H
1
=
2
1

2
2
diterima.
Uji t
1. Hipotesis
H0 :
1
=
2

H1 :
1

2
2. = 0.05
3. Menggunakan distribusi t
4. Batas batas daerah kritis untuk penolakan adalah
= 0.05 maka /2 = 0.025 dari tabel F untuk
= 0.025 dan df1 pembilang = v1 = 9 dan df2
penyebut = v2 = 11 didapatkan batas kritisnya =
2.262.
5. Aturan keputusan.
Tolak Ho dan terima H1 jik RUt < -2.62
atau RUt >2.62. Jika tidak terima H
0
.
6. Rasio uji
( ) ( ) ( ) ( ) 12 / 32000 10 / 62000
580000 595000
/ /
2 2
2
2
2 1
2
1
2 1
+

=
+

=
n s n s
x x
RUt
7. Pengambilan keputusan
Karean -.2.262 < Rut < 2.262 maka H
0
diterima
yang sama artinya dengan klaim yang dinyatakan
agen genset tersebut benar.



Uji t sample dengan ukuran-ukuran kecil untuk populasi yang
independent dengan uji F telah di tentukan
2
1
=
2
2
Uji ini akan dilakukan bila :
Sample dari kedua populasi berdistribusi normal
Nilai standart populasi
1
dan
2
tidak diketahui
Ukuran n
1
dan n
2
kecil (< 30).
Uji F pada varians menunjukan
2
1
=
2
2

Prosedu uji hipotesis merupakan gabungan dua variansi dan
uji t dengan ketentuan sebgai berikut ini :
a. Rasio uji
( ) ( )
2
1
1
1
2 2 1
) 1 ( ) 1 (
2
2
2 1
2
1
2 1
n n n n
n s n s
x x
RUt
+
+
+

=
b. Derajat kebebasan
Derajat kebeasan yang digunakan adalah :
df= v =n
1
+ n
2
2

Contoh
Dengan mengulang pada contoh sebelumnya di mana
uji F pada variansi menujukan bahwa
2
1
=
2
2
maka
uji t untuk meannya adalah sebagai berikut :
1. Hipotesis
H
0
:
1
=
2

H
1
:
1

2
2. = 0.05
3. Menggunakan distribusi t
4. Batas batas daerah penolakan atau daerah kritis
uji ujung ujung = 0.05 maka /2 = 0.025 derajat
kebebasan di daptkan df= n1 + n2 2 = 15. dari
table maka akan didapatkan nilai sebagai berikut
ini : 2.131.
5. Aturan keputusan
tolak H0 dan terima H1 jika RUt < -2.31 atau
RUt > 2.31 jika tidak demikian terima H0.
6. Rasio Uji
( ) ( )
9
1
8
1
15
) 8 ( 98 ) 7 ( 29 . 260
2 . 27 58
2
1
1
1
2 2 1
) 1 ( ) 1 (
2
2
2 1
2
1
2 1
+
+

=
+
+
+

=
n n n n
n s n s
x x
RUt

7. Pengambilan keputusan
karena RU
t
< -2.131 maka H0 =
1
=
2
ditolak hal
ini berarti mean dari kedua populasi tersebut
ditolak.

Analisis Varians ( ANOVA)

Analisis varians : suatu teknik statistik yang memungkinkan
kita untuk mengetahui apakah dua atau lebih mean populasi akan
bernilai sama dengan menggunakan data dari sampel-sampel
masing-masing populasi.

Analisis varians juga bisa digunakan untuk keperluan tersebut,
namun biasanya analisis varians lebih efektif digunakan untuk
menguji tiga atau lebih populasi.

Jumlah variable yang berkaitan dengan sampel bisa satu atau
lebih. Dalam pembahasan dasar ini akan diperkenalkan teknik
analisis variansi untuk variabel tunggal yaitu ANOVA satu faktor.

Asumsi Dasar Analisis Variansi

Analisis variansi akan menjadi teknik statistik yang valid
untuk diterapkan dengan menggunakan asumsi-asumsi sebagai
berikut :
1. Populasi yang dikaji memiliki distribusi normal.
2. Pengambilan sampel dilakukan secara acak dan setiap
sampel independen / tidak terikat sampel lain.
3. Populasi-populasi di mana nilai sampel-sampel diperoleh
memiliki nilai variansi populasi yang sama.
Jadi asumsi ketiga dapat dinyatakan sebagai :
2 2
3
2
2
2
1
...
k
= = = =
dengan : k = jumlah populasi.

Prosedur Uji ANOVA

Secara umum prosedur uji ANOVA mengikuti prosedur uji
hipotesis yang terdiri 7 langkah.

1. Pernyataan Hipotesis Nol dan Hipotesis Alternatif

Dalam uji ANOVA, hiptesis nolnya adalah sampel-sampel
yang diambil dari populasi-populasi saling independen yang
memiliki mean sama. Dengan kata lain, hiptesis nol dan
hiptesis alternatifnya adalah:

k
H = = = = ... :
3 2 1 0

:
1
H tidak seluruh mean populasi sama

dimana : k = jumlah populasi yang dikaji.

Jika hipotesis alternatif diterima maka dapat disimpulkan bahwa
sekurang-kurangnya terdapat satu mean populasi yang berbeda
dari populasi lainnya.

Namun analisis variansi tidak dapat mengungkapkan dengan
pasti berapa banyak populasi yang meannya berbeda, dan
analisis varians juga tidak bisa menjelaskan mean dari populasi
mana yang berbeda. Ilustrasi konseptual pada Gambar 11.1.(a)
menunjukkan bagaimana kondisi jika hipotesis nol diterima.
Sedangkan pada Gambar 11.1.(b) menunjukkan salah satu
kondisi yang paling ekstrim dimana hipotesis alternatif menjadi
hipotesis yang diterima.

jika benar, kita dapatkan
0
H

Sebanyak k buah populasi normal dengan
2 2
3
2
2
2
1
...
k
= = = =
k
H = = = = ... :
3 2 1 0

( a )
jika tidak benar, kita dapatkan
0
H


Sebanyak k buah populasi normal dengan
2 2
3
2
2
2
1
...
k
= = = =
k
H ... :
3 2 1 0

( b )

2. Pemilihan Tingkat Kepentingan ( Level of Significance),


Biasanya digunakan tingkat kepentingan 0,01 atau 0,05 atau 0,1.

3. Penentuan Distribusi Pengujian yang Digunakan

Dalam uji ANOVA ini yang digunakan adalah distribusi F.
Nilai-nilai dari distribusi F telah disajikan dalam bentuk tabel yang
dapat ditentukan dengan mengetahui tiga hal sebagai berikut:
a. Tingkat kepentingan ( level of significance )
b. Derajat kebebasan / degree of freedom ( df
num
) yang
digunakan sebagai pembilang dalam rasio uji adalah
df
num
= k 1
Dimana : k = jumlah populasi / sampel
c. Derajat kebebasan / degree of freedom ( df
den
) yang
digunakan sebagai penyebut dalam rasio adalah
df
den
= T - k
dengan :
T = jumlah total anggota sampel diseluruh populasi
yang diuji

k
n n n n n + + + + + = ...
4 3 2 1

k = jumlah populasi / sampel.

4. Pendefinisian Daerah-daerah Penolakan atau Kritis

Derah penerimaan dan penolakan dibatasi nilai kritis F
cr
.

5. Pernyataan Aturan Keputusan ( Decision Rule )

Tolak dan terima jika RU
F
> F
cr
Jika tidak demikian,
terima .
0
H
1
H
0
H

6. Perhitungan Rasio Uji ( RU )

Rumus yang digunakan untuk menghitung rasio uji ( nilai F )
adalah:

2
dalam
2
antara

= =
test F
F RU (1)
Perhitungan untuk bagian pembilang dan penyebut dari rumus
rasio uji adalah :
a. Pembilang :

( ) ( ) ( ) ( )
1
...
2 2
3 3
2
2 2
2
1 1 2
antara

+ + + +
=
k
X x n X x n X x n X x n
k k
(2)
dengan :
k
k k
n n n
x n x n x n
X
+ + +
+ + +
=
...
...
2 1
2 2 1 1

i
n = banyaknya anggota sampel ke- i
=
i
x mean dari sampel ke- i




b. Penyebut
k T
d d d d
k

+ + + +
=

2 2
3
2
2
2
1 2
dalam
...
(11.3)
dengan :
=

2
i
d Jumlah dari simpangan kuadrat ( ) ( )
2

i i
x x .

7. Pengambilan Keputusan Secara Statistik

Jika nilai rasio uji berada di daerah penerimaan maka
hipotesis nol diterima, sedangkan jika berada di daerah
penolakan maka hipotesis nol ditolak.
Contoh

o Sebuah pabrik farmasi memiliki 3 AHU ( air handling unit )
untuk sistem pengkondisian ruangan pengepakan obat-
obatan. Dalam rangka mengupayakan pembagian beban
yang merata pada masing-masing unit tersebut, divisi
pemelihara mengevaluasi operasi ketiga unit tersebut
selama 6 hari dan mencatat beban dari masing-masing unit
tersebut:

Hari ke- AHU-1 AHU-2 AHU-3
1 45 55 54
2 56 50 61
3 47 53 54
4 51 59 58
5 50 58 52
6 45 49 51
Dengan menggunakan teknik ANOVA, ingin diketahui apakah
kondisi pembebanan ketiga unit AHU tersebut merata atau tidak.
1. Hipotesis
k
H = = = = ... :
3 2 1 0

:
1
H tidak seluruh mean populasi sama
2. 05 , 0 =
3. Menggunakan distribusi F
Jumlah populasi / sampel , k = 3, maka derajat
kebebasan pembilang , df
num
= k 1 = 3 1 = 2.
Banyaknya seluruh anggota sampel , T = 18, maka
derajat kebebasan penyebut, df
den
= T k = 18 3 =
15.
4. Batas-batas daerah penolakan / batas kritis uji dua
ujung ( two tailed test ). Dari tabel F untuk 05 , 0 = ;
derajat kebebasan pembilang, df
num
= 2 dan derajat
kebebasan penyebut , df
den
= 15 dan batas kritis adalah
F = 3,68

5. Aturan keputusan:
Tolak dan terima jika RU
F
> 3,68. Jika tidak
demikian, terima .
0
H
1
H
0
H
6. Rasio uji ; agar lebih mudah, digunakan tabulasi
perhitungan sebagai berikut:

Hari AHU-1 AHU-2 AHU-3

1
x
1 1
x x

( )
1 1
x x
2
2
x
2 2
x x ( )
2 2
x x
2
3
x
3 3
x x ( )
3 3
x x
2
1 45 -4 16 55 1 1 54 -1 1
2 56 7 49 50 -4 16 61 6 36
3 47 -2 4 53 -1 1 54 -1 1
4 51 2 4 59 5 25 58 3 9
5 50 1 1 58 4 16 52 -3 9
6 45 -4 16 49 -5 25 51 -4 16

29
4

90
2
1
=

d

32
4

84
2
2
=

d

33
0

72
2
3
=

d


49 6 / 294
1
=
= x


54 6 / 324
2
x
=
=


55 6 / 330
3
x


=
=

( ) ( ) ( )
67 , 52
6 6 6
55 6 54 6 49 6
3 2 1
3 3 2 2 1 1
=
+ +
+ =
=
+ +
+ +
=
n n n
x n x n x n
X
( ) ( ) ( )
1
2
3 3
2
2 2
2
1 1 2
antara

+ +
=
k
X x n X x n X x n


( ) ( ) ( )
0 , 62
1 3
67 , 52 55 6 67 , 52 , 54 6 67 , 52 49 6
2 2 2
=

+ +
=

4 , 16
3 18
72 84 90
2
3
2
2
2
1
2
dalam
=

+ +
=

+ +
=

k T
d d d


78 , 3
4 , 16
0 , 62

2
dalam
2
antara
= = = =

test F
F RU
7. Pengambilan keputusan:
Karena RU
F
> 3,68 maka
3 2 1 0
: = = H ditolak. Ini
berarti pembebanan AHU belum merata.





Tabel ANOVA Satu Faktor

Dalam uji ANOVA, kerap kali kita diminta untuk
menempatkan ringkasan perhitungan yang dilakukan dalam suatu
bentuk tabel yang berisi daftar ringkasan nilai yang diperoleh dari
proses uji statistik tersebut.

Tabel tersebut diberi nama sebagai tabel ANOVA. Karena
kajian yang kita bicarakan menyangkut hanya satu variabel /
faktor, maka disebut tabel ANOVA satu - faktor.


Format umum dari tabel ANOVA satu faktor adalah
sebagai berikut :


Source of
Variation
Degree
of
Freedom
(df)
Sum of
Square
(SS)
Mean of
Square
(MS)
F
test
(RU
F
)
Antar
Sampel
(faktor
variation)
k - 1 SS faktor
2
antara

2
dalam
2
antara

=
F
RU
Dalam
Sampel
(error
variation)
T - k SS error
2
dalam


Total T - 1
SS faktor
+
SS error



Dengan perangkat lunak komputer, perhitungan uji ANOVA dan
tabelnya dapat dilakukan secara lebih praktis. Contoh bila
dikerjakan dengan menggunakan Microsoft Excel akan
menghasilkan uji ANOVA dan tabelnya sebagai berikut :

Anova : Single
Factor

SUMMARY
Groups Count Sum Average Variance
AHU - 1 6 294 49 18
AHU - 2 6 324 54 16.8
AHU - 3 6 330 55 14.4


ANOVA
Source of
Variation SS df MS F P-value F crit
Between Groups 124 2 62 3.780488 0.046827 3.682317
Within Groups 246 15 16.4

Total 370 17