14 0 392 KB
TUGAS ANALISIS VARIANSI TERAPAN “ANALISIS KOVARIANSI 1 ARAH”
Dosen pengampu : Prof. Dr. Sri Haryatmi, M.Sc
Disusun oleh 1.
Arkandini Leo
08/270158/PA/12230
2.
Ayu Widyawati
12/331000/PA/14420
3.
Rizkyana Fatikha
12/331247/PA/14529
4.
Ratna Mutia K
12/331328/PA/14595
5.
Alfina Nur Firmani
12/331386/PA/14644
6.
Qonit Arifah Azka
12/331390/PA/14648
7.
Nanda Mega Felita
12/331403/PA/14659
PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA YOGYAKARTA 2014
ANALISIS KOVARIANSI 1 ARAH
A. PENGERTIAN ANALISIS KOVARIANSI 1 ARAH Analisis Kovariansi (ANAKOVA) adalah teknik analisis yang berguna untuk meningkatkan presisi dari suatu hasil percobaan karena di dalamnya terdapat pengaturan terhadap pengaruh peubah bebas lain yang tidak terkontrol. Analisis ini biasanya digunakan jika peubah bebasnya mencakup variabel kuantitatif dan variabel kualikatif. Dalam analisis ini digunakan dua konsep yaitu analisis variansi (ANOVA) dan analisis regresi. Perbedaan anava dan anakova adalah jika anava hanya menguji perbandingan saja, namun dalam anakova dilakukan uji perbandingan sekaligus hubungan. Isitilah kova dalam anakova berasal dari kata kovarian (covariance) yang menunjukkan adanya variabel yang dihubungkan, yaitu variabel tergantung (Y) yang ditinjau dari variabel bebas (X 1) sekaligus menghubungkan variabel tergantung tersebut dengan variabel bebas lainnya (X 2). Variabel X2 yang dipakai memprediksi inilah yang dinamakan dengan kovarian. Fungsi Analisis Kovarian (Anakova) sama dengan Anava, hanya saja dalam Anakova ditambah pengendalian secara statistic terhadap variable numeric. Variabel numeric dimasukan sebagai kovariabel dengan tujuan untuk menurunkan error variansi dengan jalan menghilangkan pengaruh variable tersebut, dengan menggunakan :
Peubah-peubah dalam Anakova dan tipe datanya : Peubah
Tipe Data
Y (Peubah respon)
Kuantitatif (Kontinu)
X (Peubah bebas)
Kuantitatif (disebut covariate) Kualitatif/Kategorik (disebut treatment/perlakuan/faktor
B. MODEL DAN KETERANGAN
Berikut adalah model dari Analisi Kovariansi 1 arah:
dengan Yij : Variabel terikat pada perlakuan ke i, pengamatan ke-j Xij : Variabel independen pada perlakuan ke i, pengamatan ke-j β : Koefisien regresi antara X dan Y τi : Pengaruh dari perlakuan ke i μ : Rata-rata dari keseluruhan populasi
: Rata-rata dari sampel ij : Galat/error dari percobaan dengan ij ~ iid(0,2) i
: 1, 2, ... ,t
j
: 1,2, ... , r
C. ESTIMATOR PARAMETER
Estimator bagi Misalkan,
Turunan pertama Q terhadap
adalah
Turunan pertama Q terhadap
tersebut disamadengankan nol sehingga diperoleh,
Sehingga, estimator bagi
adalah
Estimator bagi
Diketahui bahwa Misalkan,
sehingga
.
Turunan pertama P terhadap
adalah
Turunan pertama P terhadap
tersebut disamadengankan nol sehingga diperoleh,
Karena
maka estimator bagi
adalah
.
Estimator bagi Dengan cara yang sama seperti sebelumnya akan diperoleh estimator bagi
D. PEMISAH JUMLAH KUADRAT
Analisis Variansi untuk Variabel Y
adalah
Analisis Variansi untuk Variabel X
Analisis Variansi untuk Variabel XY
E. TABEL DAN UJI Tabel
Tabel Analisis Kovariansi Single Faktor dengan satu kovariat Sum of Square
Sumber Variasi Y
X
XY
df
Perlakuan
SSTRy
SSTRx
SSTRxy
t-1
Error
SSEy
SSEx
SSExy
t(r-1)
Total
SSTOy
SSTOx
SSTOxy
tr-1
Tabel Analisis Kovariat sebagai koreksi dari ANAVA : Sumber Variasi
Adjusted SS
Adjusted df
Frasio
Adjusted MS
Perlakuan
SSTR(adj.)
t-1
MSTR(adj.)
Error
SSE(adj.)
t(r-1)-1
MSE(adj.)
Total
SSTO(adj.)
tr-2
MSTR(adj.) MSE(adj.)
Pengujian
Asumsi dalam ANCOVA 1. X adalah fixed, diukur tanpa error dan independen terhadap perlakuan (tidak dipengaruhi oleh perlakuan). 2. εij mengikuti sebaran NID (o,σ2). 3. β ≠ 0 yang mengindikasikan bahwa antara x dan y terdapat hubungan linier. 4. Masing-masing populasi untuk setiap level faktor memiliki variansi yang sama 5. Data observasi, Y independent
Informasi pokok yang diperoleh adalah pengujian hipotesis untuk mengetahui apakah ada hubungan linier antara covariate dengan peubah respon dan untuk mengetahui pengaruh perbedaaan perlakuan terhadap peubah respon.
Pengujian untuk mengetahui hubungan linier antara covariate dengan peubah respon, dengan menghilangkan pengaruh perlakuan
a)
Hipotesis H0 : β = 0 (Tidak ada hubungan linier antara covariate dengan peubah respon) H1 : β ≠ 0 (Ada hubungan linier antara covariate dengan peubah respon)
b) Kriteria Keputusan Jika angka Sig.>0.05 maka H0 tidak ditolak, yang berarti tidak hubungan linier antara covariate dengan peubah respon. Jika angka Sig. F(α;t-1;t(r-1)-1) Jika angka Sig.>0.05 maka H0 tidak ditolak, yang berarti tidak ada pengaruh perbedaan perlakuan terhadap peubah respon. Jika angka Sig. F(α;t-1;t(r-1)-1) e)
Kesimpulan Karena F rasio < F(0,05;2;11)(2,16