Distribusi F (Fisher-Snedecor) seringkali digunakan dalam pengujian analisis varian (Anava/Anova) serta analisis regresi.
Probability Density Function - F Distribution
So... klo kita mau uji hipotesis dan menggunakan nilai f sebagai acuan kesimpulan maka kriterianya :
Reject H0 jika nilai F-hitung berada di titik nilai kritis (nilai f-tabel) atau
disebelah kanannya.
Sebaliknya....
Do not reject H0 jika nilai F-hitung berada disebelah kiri nilai kritis
oke bro....
Perhatikan gambar distribusi F, bahwa nilai 0 (nol) berada disebelah kiri. Artinya semakin kekanan nilainya semakin besar.
Sekarang saatnya kita membuat contoh pengujian menggunakan nilai f sebagai acuan kesimpulan hipotesis.
ANOVA ONE WAY
Seorang mahasiswa akan melihat pengaruh pemberian cairan pendingin pada proses pemotongan di mesin CNC. 5 jenis cairan pendingin diberikan pada 25 sampel. Pengaruh yang diukur adalah besar suhu yang terjadi pada ujung alat potong.
Berikut ini adalah tabel hasil pengukuran ke-25 sampel tersebut.
Sekarang saatnya kita membuat contoh pengujian menggunakan nilai f sebagai acuan kesimpulan hipotesis.
ANOVA ONE WAY
Seorang mahasiswa akan melihat pengaruh pemberian cairan pendingin pada proses pemotongan di mesin CNC. 5 jenis cairan pendingin diberikan pada 25 sampel. Pengaruh yang diukur adalah besar suhu yang terjadi pada ujung alat potong.
Berikut ini adalah tabel hasil pengukuran ke-25 sampel tersebut.
Sampel
|
Jenis
Cairan Pendingin
|
||||
A
|
B
|
C
|
D
|
E
|
|
1
|
325
|
330
|
315
|
320
|
340
|
2
|
300
|
300
|
316
|
320
|
338
|
3
|
315
|
320
|
328
|
322
|
338
|
4
|
312
|
322
|
324
|
321
|
337
|
5
|
312
|
324
|
322
|
322
|
337
|
Hipotesisnya adalah:
H0 : Kelima jenis cairan mempunyai pengaruh yang sama terhadap suhu alat potong
H1 : Terdapat cairan pendingin yang memiliki pengaruh terhadap suhu alat potong
1. Tentukan nilai F Tabel sebagai nilai titik kritis
H1 : Terdapat cairan pendingin yang memiliki pengaruh terhadap suhu alat potong
1. Tentukan nilai F Tabel sebagai nilai titik kritis
Caranya :
df1 = jumlah variabel - 1
df2 = jumlah sampel - jumlah variabel
sehingga
df1 = 5 - 1 = 4
df2 = 25 - 5 = 20
df2
|
df1
|
||||
1
|
2
|
3
|
4
|
......
|
|
1
|
|||||
2
|
|||||
...
|
|||||
20
|
2,87
|
||||
21
|
|||||
...
|
|||||
Gambar kurva distribusi f dengan nilai kritis 2,87 ditunjukkan pada gambar berikut ini.
2. Gunakan SPSS untuk menghitung nilai F empiris
Cara : input data ke SPSS
selanjutnya pilih Analyze - Compare Means - One-Way ANOVA
3. Pada window akan tampil seperti gambar berikut ini dan pilih suhu lalu
masukkan ke kotak Dependent List serta Cairan Pendingin pada kotak
Factor. Lanjutkan dengan OK ....
4. Pada Output SPSS akan tampak tabel ANOVA seperti berikut ini
5. Pada kolom F tampak nilai F empiris / F hitung yakni sebesar 9,053
Dengan demikian nilai F berada disebelah kanan nilai kritis. Untuk lebih jelasnya perhatikan kurva berikut ini
Dengan melihat posisi nilai F empiris yang berada disebelah Kanan Nilai Kritis maka nilai tersebut berada di daerah Reject H0. Sehingga kesimpulannya adalah Menolak H0 .