Professional Documents
Culture Documents
Kelompok 2 Statistika Terapan
Kelompok 2 Statistika Terapan
ARRANGED BY:
Thank God, we always pray to the presence of Allah SWT who has
bestow grace And His gift so that we can finish This paper is to fulfill a group
assignment in the Applied Statistics course with the title: "Two-Way ANOVA
Inference Procedure and Its Application in Education” .
We fully realize that this paper is still far from perfect due to the limited
experience and knowledge we have. Therefore , we expect all form suggestion
as well as input even critics Which building from various parties. Finally, we
hope that this paper will be successful give benefit for development world
education.
Writer
i
LIST CONTENTS
SAY INTRODUCTION i
LIST CONTENTS ii
CHAPTER I INTRODUCTION 1
A. Background Rear 1
B. Formulation Problem 2
C. Objective 2
CHAPTER II DISCUSSION 3
D. Studies Case 11
A. Conclusion 34
B. Suggestion 35
LIST BIBLIOGRAPHY 36
ii
CHAPTER I
INTRODUCTION
A. Background Behind
1
B. Formulation Problem
C. Objective
2
CHAPTER II
DISCUSSION
3
ANOVA two direction is expansion from ANOVA One direction
(analysis of variances) Which disclose results from two variable
independent on one dependent variable. The two-way ANOVA test is
technique the statistics analyze influence independent variable to
results Which expected along with relationship with results That
Alone.
b) For Column:
H 0 accepted if F 0 ≤ 𝐹 𝑎 (𝑣 ;𝑣 )
12
6
Formula count amount square:
∑𝑖 𝑇2 𝑇
(𝐽 𝐾 𝑏 2
=1 𝑖 −
𝑘 𝑘
∑𝑗
𝑏 =1 𝑇 2 𝑇
(𝐽 𝐾 𝑗 − 2
𝑘 𝑘
(𝐽 𝐾 𝐸 )=𝐽 𝐾 𝑇 −𝐽 𝐾 𝐵 −𝐽 𝐾 𝐾
Keterangan
7
5) Make conclusion
Conclude H 0 accepted or No with compare betweenstep
fourth with criteria testing on step third.
2) Determining the real level (α) and F table Real level (α) and F
table is determined by the degrees of the numerator and
denominator of each each
a) For line: 𝑣 1 = 𝑏 – 1 And 𝑣 2 = 𝑘 𝑏 (𝑛 – 1)
b) For column: 𝑣 1 = 𝑘 – 1 And 𝑣 2 = 𝑘 𝑏 (𝑛 – 1)
c) For interaction : 𝑣 1 = (𝑘 – 1)(𝑏 – 1) And 𝑣 2 = 𝑘 𝑏 (𝑛 – 1)
8
3) Finding it criteria testing
a) For Line:
H 0 accepted if F 0 ≤ F 𝑎 (v ;𝑣 )
1 2
H 0 rejected if F 0 > F 𝑎 (v ;𝑣 )
1 2
b) For Column:
H 0 accepted if F 0 ≤ F 𝑎 (v ;𝑣 )
1 2
H 0 rejected if F 0 > F 𝑎 (v ;𝑣 )
1 2
c) For Interaction:
H 0 accepted if F 0 ≤ F 𝑎 (v ;𝑣 )
1 2
H 0 rejected if F 0 > F 𝑎 (v ;𝑣 )
1 2
9
Formula count amount square:
∑𝑗
𝑏 =1 𝑇 2 𝑇
(𝐽 𝐾 𝑗 − 2
𝑏 𝑏
(𝐽 𝐾 𝐸 )=𝐽 𝐾 𝑇 −𝐽 𝐾 𝐵 −𝐽 𝐾 𝐾 −
𝐽 𝐾𝐼
10
JKT : Square Total
Amount
Keterangan
JKB : Square Line
Amount
JKK : Square Column
Amount
JKE : Square Error
Amount
JKI : Square Interaction
Amount
Tij _ : Observation in Line to - ij
Amount
Ti : Line to - i
Amount
Q
: Total
5) Make conclusion
Conclude that H 0 is accepted or rejected, by
comparingbetween Step fourth criteria testing on step third.
D. Studies Case
11
A B C D E
1⁄ 44 46 47 48 49
2
12
3⁄ 49 48 50 47 48
4
1 46 47 45 45 46
2 47 50 49 49 47
Based on results observation in on, used level real 0.05, sois flat
– flat level sale The same For:
1) Formulation hypothesis
a. For line
H0 : 𝛼1 = 𝛼2 = 𝛼3 = 𝛼4 = 0
b. For column
H0:𝛽 1 = 𝛽 2 = 𝛽 3 = 𝛽 4 = 𝛽 5 = 0
13
There is a difference average sales level for all 5 AC brands
the.
b. For column: 𝑉 1 = (𝑘 − 1) = (5 − 1) = 4
𝑉 2 = (𝑏 − 1)(𝑘 − 1) = (4 − 1)(5 − 1) = 12
𝐹 (0.05)(3; 36) = 3.26
3) Criteria Testing
a. H 0 accepted if 𝐹 0 ≤ 3.49
H 0 rejected if 𝐹 0 > 3.49
b. H 0 accepted if 𝐹 0 ≤ 3.26
H 0 rejected if 𝐹 0 > 3.26
4) Test Statistics
14
T2 34596 36481 36481 35721 36100 179379
𝑇 2
𝑏 𝑇 2
−
JKT = ∑ i=1 ∑ 𝑘j=i ij 𝑘 𝑏
947 2
= 44 2 + 49 2 + 46 2 + 47 2 + ⋯ + 45 2 −
5(4)
896809
= 44895 −
20
∑𝑏 𝑇 i2 𝑇 2
JKB = i=1 − 𝑘 𝑏
𝑘
2
234 2 + 242 2 2+ 229 2 + 242 − 947
= 5(4)
5
∑𝑏 𝑇 i2 𝑇 2
JKK = i=1 − 𝑘 𝑏
𝑏
15
2 2 2 2
186 + 191 + 191
2
+ 189 +
190
=
4
16
JKE = 𝐽 𝐾 𝑇 − 𝐽 𝐾 𝐵 − 𝐽 𝐾 𝐾
= 54.55 − 24.55 − 4.3 = 25.7
𝐽 𝐾𝐵 𝐽 𝐾𝐵 𝐽 𝐾𝐵 24.55
S 12 = = = = = 8,183
𝑑 𝑏 𝑏 4− 1 3
−1
𝐽 𝐾𝐾 𝐽 𝐾𝐾 𝐽 𝐾𝐾 4.3
S 22 = = = = = 1,075
𝑑 𝑏 𝑘 5− 1 4
−1
𝐽 𝐾𝐸 25.7
S 2
=
𝐽 𝐾𝐸
=
𝐽 = = = 2,142
𝐾 𝐸3
𝑑 𝑏 (𝑘 −1)(𝑏 −1) 4.3 12
2 𝑆 2 8,183
f = 1
= = 3,820
1 2 2,142
𝑆 3
2 𝑆 2 1,075
f = 2
= = 0.502
2 2 2,142
𝑆 3
17
Table Calculation Anova Two Direction Without Interaction
5) Conclusion
a. Because 𝐹 0 = 3,820 > 𝐹 0.05(4;12) 𝑡 𝑎 𝑏 𝑒 𝑙 = 3.49 then H 0
is rejected. So it can be concluded that there are differences
in average levels sale For use to 4 type PK air conditioning
the. At least
– lack of ad One influence type PK to level sale
c. No There is interaction between type ink with type eye fountain pen the
19
Completion With Method Excel:
1) Insert data to Excel, The method that is for data like box Which
consists from line And column.
20
3) Then choose Anova Two Factor With Replication. So will
appear appearance like following:
21
type 2
Count 4 4 4 4 16
sum 138 153 183 175 649
Average 34.5 38.25 45.75 43.75 40.5625
Variance 1.66666 0.91666 0.91666 0.91666 21.9958
7 7 7 7 3
type 3
Count 4 4 4 4 16
sum 134 153 180 174 641
Average 33.5 38.25 45 43.5 40.0625
Variance 1.66666 0.91666 0.66666 1.66666 22.9958
7 7 7 7 3
Total
Count 12 12 12 12
sum 415 460 547 518
Average 34.5833 38.3333 45.5833 43.1666
3 3 3 7
Variance 2.08333 0.96969 0.81060 1.42424
3 7 6 2
ANOVA
Source S df M.S F P-value F crit
S
of
Variation
s
Samples 3.04166 2 1.52083 1.35185 0.27158 3.25944
7 3 2 1 6
22
Columns 871.5 3 290.5 258.222 2.16E- 2.86626
2 24 6
23
Interaction 14,625 6 2.437 2.16666 0.06928 2.36375
5
7 2 1
within 40.5 36 1,125
Total 929,666 47
7
ExcelSummary
Total
This second part is almost the same as the summary part. The
total difference is a description of the combination of three
groups of ink types (line) so that the description only compares
the 4 types of ink points (column) just.
Anova
24
Based on results the can decided:
25
4) Variable independent: 2. “pen_ink”. Measure choose Nominal ,
Decimals = 0 , Type select Numerical , and fill value : 1 = Type
1, 2 = Type 2, And 3 = Type 3.
26
7) After the data is filled in, on the menu, click Analyze, General
Linear Model, Univariate.
27
9) Click Plot, then a window will appear as below: Enter “pen_eyes”
to box Horizontal Axis And “pen_ink” to Separate Lines box.
Click Add, it will look like below, Then click Continue.
Continue.
2
11)Click Options, so will appear window as follows: Insert Eye_pen,
pen_ink, And Pen_eye*Pen_ink to in the Display Means for box.
On Display, check Descriptive statistics And Homogeneity test,
Then click Continue And OK!
25
13) In lower This is Table Levene's Test. Used For evaluate
homogeneity each variable.
15) Table in lower This show results from test Two Way Anova.
26
16) From the table above, We get important values that can
concluded as following:
a. Corrected Model :
The influence of all independent variables (pen nib, pen ink
and Interaction eye fountain pen with ink fountain pen or
“Pen_eye*Pen_ink”) in a way together to variable dependent
(Long usage). If Significance (Sig.)
< 0.05 (Alpha) = Significant. Examples above 0.000 mean
model No valid.
b. Intercepts :
Mark change variable dependent without need influenced
existence variable independent, It means without There is
influence independent variable , the dependent variable can
change its value. If Significance (Sig.) < 0.05 (Alpha) =
Significant. Example in on 0,000 means intercept
significant.
c. Pen_eye :
Influence Pen_eye to usage_length in in model. If
Significance (Sig.) < 0.05 (Alpha)= Significant. Example in
on 0,000 means “pen_eyes” influential significant.
d. Pen_ink :
Influence Pen_ink to usage_length in in model. If
Significance (Sig.) <0.05 (Alpha)=Significant. Example
above 0.272 means “Tinta_pens” has no effect in a way
significant.
27
e. Pen_eye* Pen_ink :
Influence Pen_eye And Pen_ink to forever usage fountain
pen in in model. If Significance (Sig.)
<0.05 (Alpha)=Significant. Example on 0.069 means
Pen_eye And Pen_ink No influential in a way significant.
f. Error:
Mark Error model, the more small, so model the more Good.
g. R Squared:
Mark determination multiple all independent variable with
dependent. Example on 0.956 Where approach 1, means
correlation very strong.
INTERPRETATION :
28
3) Pen_ink Which own difference significant marked with sign star
(*). From the table above, none of them are marked with star,
means everything No There is difference Which significant.
4) Diagram Plots
29
5) Diagram in on show There is no parallel line, sosuspected
There is effect interaction.
Even though there are many things that can be done statistically,
however Researchers usually limit their analysis according to a
theoretical framework it uses. Many techniques have been developed to
solve and answer problem the. However thereby, in here only
introduced two type technique popular, that is test Scheffe And test
Tukey
1. Test Scheffe
30
For test the difference of three average fruit, so hypothesis zero
ones want tested by test Scheffe There is three pair fruit simple,
that is
a. 𝐻 0 : µ1 = µ2
b. 𝐻 0 : µ1 = µ3
c. 𝐻 0 : µ2 = µ3
𝑐
𝑡 =
√ 2𝑀 𝑆 w
𝑛
31
2. Test Tukey
Unlike the Scheffe test which can be used to test all types
comparison of means (simple or complex), Tukey test Which in full
called Tukey's HSD (honestly significant differences test) only can
used For test all over possibility simple pairs (involving two
averages). Comparison like (µ1 + µ2) / 2 𝑣 𝑠 µ3 no can tested
with use Tukey's technique. Because of the number of possible
pairs to be tested relatively A little, technique Tukey more powerful
(tend more often reject the null hypothesis) rather than the Scheffe
technique. The Tukey technique is used by comparing the
difference between each pair of averages critical value HSD which
(if the number of subjects in each group was the same big) can
determined as following:
𝐻𝑆 𝐷 = 𝑞 ( 1−𝛼 ;𝑛 −𝑘 ,𝑘 ) ( 𝑀𝑆 w⁄ 𝑛 )
32
the results of observations made at a company or industry. As for
Wrong One application Anova Two Direction in world education is
makes it easier researcher if want to compare average its population
Which more from two factor in the report his research.
33
CHAPTER III
CLOSING
A. Conclusion
34
B. Suggestion
35
participation during discussion sessions
1. Nadya bosra : Apakah ada metode statistik lain yang dapat
digunakan bersama dengan ANOVA dua arah untuk analisis lebih
lanjut?
Yang Menjawab : Andika Ardel Saputra
Jawaban :
Ya, menurut saya ada beberapa metode statistik lain yang dapat
digunakan bersama dengan ANOVA dua arah untuk analisis lebih
lanjut tergantung pada tujuan dan asumsi data.
A. Uji Post-hoc: Setelah melakukan ANOVA dua arah dan
menemukan perbedaan signifikan, Anda dapat melakukan
uji post-hoc seperti Tukey's HSD (Honestly Significant
Difference) atau uji Bonferroni untuk menentukan pasangan
kelompok yang berbeda secara signifikan. Ini membantu
mengidentifikasi kelompok yang menyebabkan perbedaan
B. Analisis Regresi: Anda dapat menggunakan analisis regresi
untuk menjelajahi lebih lanjut hubungan antara faktor-faktor
independen dan variabel dependen. Misalnya, Anda dapat
melakukan analisis regresi berganda jika ada lebih dari dua
faktor independen.
C. Analisis Korelasi: Untuk memahami hubungan antara dua
faktor dalam ANOVA dua arah, Anda dapat melakukan
analisis korelasi. Ini akan membantu Anda menentukan
apakah ada hubungan linier antara variabel independen.
D. Analisis Interaksi: Jika Anda ingin mendalam tentang
interaksi antara faktor-faktor independen, Anda dapat
melakukan analisis interaksi lanjutan seperti analisis regresi
interaksi. Ini membantu menjelaskan bagaimana faktor-
faktor tersebut saling memengaruhi dalam pengaruh
mereka terhadap variabel dependen.
2. Lhenny ardilah : Apa keuntungan dan keterbatasan dalam
menggunakan ANOVA dua arah dalam analisis data, dan
bagaimana cara mengatasi keterbatasan-keterbatasan tersebut?
Yang Menjawab : Grace H. Pongkapadang dan ada sedikit
tambahan jawaban dari saudara Andika Ardel Saputra
Jawaban :
Poin kesembilan membahas keuntungan dan keterbatasan dalam
36
menggunakan ANOVA dua arah dalam analisis data. Ini penting
untuk memahami bahwa setiap alat statistik memiliki pro dan
kontra yang perlu dipertimbangkan dalam penggunaannya.
Keuntungan dalam menggunakan ANOVA dua arah
Kemampuan Memeriksa Pengaruh Dua Faktor: ANOVA dua
arah memungkinkan Anda untuk secara bersamaan
mengevaluasi pengaruh dua faktor atau lebih pada variabel
respon. Ini berguna dalam situasi di mana Anda ingin
memahami bagaimana dua atau lebih variabel bekerja
bersama-sama untuk memengaruhi hasil.
Mengidentifikasi Interaksi: Dalam ANOVA dua arah, Anda
dapat mendeteksi adanya interaksi antara faktor-faktor
yang mempengaruhi variabel respon. Ini dapat
mengungkapkan pola yang tidak terlihat jika faktor-faktor
tersebut diuji secara terpisah.
Keterbatasan dalam menggunakan ANOVA dua arah
Kompleksitas Interpretasi: Ketika ada interaksi antara
faktor-faktor, interpretasi hasil menjadi lebih kompleks.
Anda perlu memahami bagaimana efek satu faktor berubah
tergantung pada tingkat faktor lainnya.
Memerlukan Data yang Banyak: ANOVA dua arah
memerlukan jumlah data yang cukup besar untuk
memberikan hasil yang signifikan secara statistik. Dalam
situasi dengan data terbatas, mungkin lebih sulit untuk
menemukan perbedaan yang signifikan.
Asumsi Asumsi Dasar: ANOVA dua arah memiliki asumsi
dasar seperti normalitas data dan homogenitas varians.
Jika asumsi-asumsi ini tidak terpenuhi, hasilnya mungkin
tidak dapat diandalkan.
Keterbatasan dalam Variabel Respon: ANOVA dua arah
cocok untuk situasi di mana variabel respon adalah numerik.
Jika variabel respon adalah kategori atau ordinal, alternatif
seperti analisis ANOVA dua arah non-parametrik dapat
diperlukan.
Pengaruh Outlier: Outlier atau data yang ekstrem dapat
memiliki dampak besar dalam ANOVA. Memeriksa dan
mengelola outlier adalah langkah yang penting dalam
analisis ini.
3. Satrina : Bagaimana menginterpretasikan hasil Two-Way ANOVA
jika ada interaksi yang signifikan antara faktor-faktor dalam
37
pengasumsiannya?
Yang Menjawab : Andika Ardel Saputra
Jawaban :
Interaksi yang signifikan antara faktor-faktor dalam Two-Way
ANOVA menunjukkan bahwa efek dari salah satu faktor pada
variabel dependen dapat bervariasi tergantung pada level atau
kondisi faktor lainnya. Ini bisa menjadi hal yang penting karena
mengindikasikan bahwa efek dari satu faktor tidak konsisten di
seluruh level faktor lainnya. Ketika ada interaksi yang signifikan
dalam Two-Way ANOVA, penting untuk menginterpretasikan hasil
dengan lebih hati-hati.
A. Efek Faktor-faktor Individu: Pertama, Anda perlu memperhatikan efek
masing-masing faktor secara terpisah. Periksa apakah ada efek utama
yang signifikan dari setiap faktor terhadap variabel dependen tanpa
mempertimbangkan faktor lainnya.
B. Interaksi: Jika terdapat interaksi yang signifikan, fokuslah pada
interpretasi interaksi tersebut. Hal ini dapat dilakukan dengan melihat
bagaimana pengaruh satu faktor pada variabel dependen dapat berbeda
tergantung pada level faktor lainnya. Plotting grafik interaksi dapat
membantu untuk memvisualisasikan bagaimana efek dari satu faktor
bergantung pada level faktor lainnya.
C. Konteks Penelitian: Penting untuk mempertimbangkan konteks penelitian
dan pemahaman mendalam terhadap variabel yang diteliti. Apakah
interaksi yang ditemukan sesuai dengan pengetahuan teoritis yang ada
atau apakah hasil tersebut menimbulkan pertanyaan baru yang perlu
diinvestigasi lebih lanjut.
D.
4. Risaldi : Bagaimana cara Anova dua arah digunakan untuk
menganalisis pengaruh dua faktor independen terhadap satu
variabel dependen?
Yang Menjawab : Grace H. pongkapadang
Jawaban:
ANOVA dua arah (Two-Way ANOVA) digunakan untuk
menganalisis pengaruh dua faktor independen terhadap satu
variabel dependen. Menurut saya ada beberapa langkah-langkah
umumnya:
1. Mengumpulkan Data: Pertama-tama, Anda perlu
mengumpulkan data yang mencakup variabel dependen
(misalnya, hasil tes siswa) dan dua faktor independen
38
(misalnya, durasi belajar per minggu dan metode pengajaran).
2. Membagi Data: Data kemudian dibagi menjadi kelompok
berdasarkan kombinasi dari dua faktor independen. Misalnya,
Anda akan memiliki kelompok-kelompok yang berbeda untuk
berbagai tingkat durasi belajar dan metode pengajaran.
3. Melakukan ANOVA: Selanjutnya, Anda melakukan analisis
ANOVA dua arah. Ini melibatkan perangkat lunak statistik yang
akan menghitung F-statistik dan p-value untuk masing-masing
faktor independen dan interaksi antara keduanya.
4. Interpretasi Hasil: Jika Anda menemukan bahwa faktor
pertama (misalnya, durasi belajar) memiliki pengaruh yang
signifikan terhadap variabel dependen, Anda dapat
menyimpulkan bahwa durasi belajar berdampak.
5. Interpretasi Akhir: Hasil dari ANOVA dua arah membantu Anda
memahami bagaimana kedua faktor independen memengaruhi
variabel dependen, apakah ada interaksi antara faktor-faktor
tersebut, dan dalam kasus interaksi, bagaimana perbedaannya.
5. Rahmawati : Apa arti dari asumsi ketiga, yaitu bahwa sampel-
sampel tidak berhubungan satu sama lain? Apakah terdapat
metode alternatif yang dapat digunakan jika salah satu dari
asumsi-asumsi ini tidak terpenuhi?
Yang Menjawab : Andika Ardel Saputra
Jawaban :
Tentu, Dimana ANOVA dua arah dapat digunakan dalam konteks
pendidikan untuk membandingkan pengaruh durasi belajar dan
metode pengajaran terhadap kemampuan siswa memahami
materi pelajaran. Misalnya, dalam sebuah penelitian di sekolah,
para peneliti ingin menentukan apakah terdapat perbedaan
signifikan dalam pemahaman siswa terkait sejarah berdasarkan
durasi belajar (lama belajar per minggu) dan metode pengajaran
(tradisional vs. berbasis teknologi).
Mereka mengumpulkan data dari sejumlah siswa, mencatat
berapa jam mereka belajar per minggu dan metode pengajaran
yang mereka terima (tradisional atau berbasis teknologi).
Kemudian, data ini dapat dianalisis menggunakan ANOVA dua
arah untuk menentukan apakah ada perbedaan yang signifikan
dalam pemahaman siswa yang dapat diatribusikan kepada faktor-
faktor ini.
Hasil analisis ANOVA dua arah dapat membantu sekolah atau
peneliti untuk memahami apakah durasi belajar, metode
39
pengajaran, atau interaksi antara keduanya memiliki dampak yang
berarti terhadap kemampuan siswa memahami materi sejarah. Ini
dapat digunakan sebagai dasar untuk mengambil keputusan
dalam perbaikan kurikulum atau strategi pengajaran.
Yang jadi moderator : Satrina
40
LIST REFERENCES
41