LAPORAN PRAKTIKUM METODE STATISTIKA II Praktikum ke-2 Uji t Berpasangan dan Analisis Ragam Dua Arah

Nama NIM Tanggal Asisten

: Cintia Pannyabeta : 115090500111036 : 04 Mei 2012 : 1. Simon 2. Hanah Rista S.

LABORATORIUM STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA & IPA UNIVERSITAS BRAWIJAYA MALANG 2012

BAB I PENDAHULUAN 1.1Latar Belakang Seringkali dalam praktek, pengetahuan tentang varians/ragam yang dipergunakan sebagai ukuran variasi dari suatu kumpulan nilai hasil observasi, sangat penting untuk diketahui, misalnya saja Departemen Tenaga Kerja ingin mengetahui tentang variasi upah buruh. (Supranto,2001).Selain itu, nilai ragam juga mempengaruhi uji nilai tengah pada dua populasi normal,baik nilai ragamnya sama ataupun berbeda.Karena itulah, pengujian varians ini menjadi hal yang penting untuk dilakukan (Walpole,1992).

1.2Tujuan Mahasiswa mampu menyusun hipotesis dua populasi dengan menggunakan analisis ragam pada pengamatan berpasangan ( dependen ), dan melakukan analisis varians dengan klasifikasi dua arah.

BAB II DASAR TEORI 2.1. Uji t Data Berpasangan Pada data berpasangan terdapat dua macam hipotesis 1. Ho : 1 . = 2 . = .. = a . H1 : paling sedikit ada satu i . tidak sama 2. Ho : . 1= . 2= .. = . n H1 : paling sedikit ada satu .
n

tidak sama

Pengujian data berpasangan, konsep dasarnya sama dengan data bebas, hanya jumlah dari populasi tersebut tetap, karena data diperoleh dari satu individu yang sama yang mendapat beberapa perlakuan bebrbeda. Data sampel akan dinyatakan dengan Yij yang berarti data ke-j dalam sampel yang diambil dari populasi ke-i. untuk memudahkan data sampel disusun dalam daftar sbb: Perlakuan 1 2 Y11 Y12 Data Hasil : Pengamat : an Y1n1 Y2n2 Jumlah Y1 Y2 . Rata-rata 1. 2. (Sudjana, 2002) Y21 Y22 : : Jumla h Y.1 Y.2 : : Y.j Rata rata .1 .2

. Yij . .

Agar lebih mudah hasil analisis diletakkan pada table ANOVA seperti berikut :

Sumber Keragam an Antar Grup Antar Pasangan

Jumlah Kuadrat

Derajat Bebas a1

Kuadrat Tengah

F hitung

JKAG

s12 =

JKAG a 1 JKAP n 1

F1 =

s1 s3

2 2

JKAP

n1

s22 =

Galat (sisa) Total JKG

(a 1) (n 1) an 1

s32 =

JKG (a 1) (n 1)

F2 =

s2 s3

2 2

JKT

Di mana:

JKT =
i =1

Y
j =1

ij

(Yij ) 2
i =1 j =1

an

JKAG =
c

(Yij )
i =1

(Yij ) 2
i =1 j =1

an
n 2

JKAP =

(Yij ) 2
j =1

(Yij )
i =1 j =1

an

JKG = JKT JKAG - JKAP

Kriteria penolakan

1. Tolak

jika nilai

>

2. Tolak

jika nilai

>

(Walpole, 1995) 2.2. Klasifikasi 2 arah Segugus pengamatan dalam suatu percobaan dapat diklasifikasikan menurut dua criteria dengan menyususn data tersebut dalam baris dan kolom; kolom menyatakan criteria klasifikasi yang satu sedangkan baris menyatakan criteria klasifikasi yang lain. Misalnya suatu susunan pengamatan mungkin berupa hasil dari tiga varitas gandum dengan menggunakan empat jenis pupuk yang berbeda. Seperti pada analisa variansi satu arah, akan sangat memudahkan jika kita terlebih dulu menghitung jumlahjumlah kuadrat dasar dan kemudian menggunakannya untuk menentukan jumlah-jumlah kuadrat dan kuadrat rata-rata yang diperlukan untuk uji F. Model yang digunakan adalah : Yijk = + i + j + ij + ijk i = 1,, p j = 1,, q k = 1,, r Yang diduga dengan : ijk = + ai + bj + cij

 i = pengaruh variabel baris kategori i. j = pengaruh variabel baris kategori j. ij = pengaruh interaksi variabel baris kategori I dan variabel kolom kategori j. Rumus-rumus yang digunakan dalam analisis variasi dua arah :
Yijk FK = i j k n
1 qr

JK baris =

Yi jk i j k

FK
2

JK kolom =

1 pr

Yi jk FK j i k

JK interaksi = 1 Yijk JKbaris JKkolom FK r j i k JKKesalahan=

2

JKtotal JKbaris JKkolom JK int eraksi

JK total =

Y
i j k

ijk

FK

KR baris = JK baris / db baris KR kolom = JK kolom/db kolom KR interaksi = JK interaksi/db interaksi

Derajat bebas (db) ditentukan melalui aturan sebagai berikut : db baris = p -1 db kolom = q -1 db interaksi = (p 1)(q 1) db total = n 1 db kesalahan db interaksi) 1)) ) = (n -1) - (-1 + pq ) Selanjutnya untuk memudahkan dibuat table ANOVA seperti berikut : = (n 1) (db baris + db kolom +

= (n - 1)- ((p - 1) + (q - 1) + ((p - 1)(q -

Sumbe r keraga man Jumlah kuadrat

Deraj at bebas (db)

Kuadra t ratarata (KR) F hitung

Baris

JK Baris

p 1

KR Baris KR Kolom KR Kesala han KR Total

KRbaris KRkesalahan

Kolom

JK Kolom

q 1

KRkolom KRkesalahan

Kesala han

JKkesalahan

pq(r 1)

Total

JK Total

pqr 1

BAB III METODOLOGI 3.1. Uji t data berpasangan

Seorang dosen suatu PTN ingin mengetahui efektifitas terhadap metode pembelajaran yang di sampaikannya, dosen tersebut melakukan percobaan dengan memberikan ujian kepada mahasiswanya sebelum dan sesudah di beri materi.

N O 1 2 3 4 5 6 7 8 9 10 11 12 13

Pre 67,5 34,9 28,2 51,7 44,7 63,7 55,9 72,3 49,1 86,0 65,3 56,0 44,7

Pos NO Pre Pos NO Pre Pos t t t 73, 50, 48, 44, 71, 8 24 5 9 47 9 3 79, 51, 73, 74, 47, 7 25 8 6 48 8 2 57, 59, 68, 45, 32, 8 26 3 9 49 8 1 61, 87, 58, 59, 49, 6 27 8 2 50 2 4 64, 60, 54, 0 28 3 1 65, 41, 73, 3 29 3 0 68, 44, 62, 5 30 6 8 53, 47, 39, 1 31 0 9 87, 45, 50, 7 32 5 9 72, 50, 70, 2 33 4 2 80, 42, 90, 4 34 9 6 52, 71, 84, 3 35 0 2 43, 65, 88, 9 36 0 5

14 15 16 17 18 19 20 21 22 23

60,2 41,9 77,8 93,2 51,6 44,0 79,4 65,0 62,9 73,4

89, 5 72, 7 82, 3 73, 4 93, 4 72, 7 49, 0 50, 3 62, 5 73, 9

37 38 39 40 41 42 43 44 45 46

63, 2 77, 4 39, 3 36, 7 45, 5 69, 2 92, 6 96, 5 68, 7 60, 4

71, 0 72, 2 66, 5 54, 2 63, 4 74, 3 55, 1 56, 5 41, 7 60, 9

1. Masukkan data pada Genstat 2. Lakukan Analisis data dua populasi berpasangan dengan cara klik Stats > Statistical Test > One and Two sample t- test , sehingga muncul kotak dialog seperti berikut :

Pilih pada kolom Test pilih Two-sample (paired), isikan Data Set 1 dengan Pretest dan Data Set 2 dengan Postest, isi Confidence Limit sesuai taraf nyata yang diinginkan, misalnya 95, pada Type of Test pilih hipotesis mana yang digunakan, pilih two-sided untuk pernyataan hipotesis satu 1 2. Klik OK. 3. Cari nilai statistic uji t. Klik Data > Calculation > Function , sehingga muncul kotak dialog seperti berikut :

pada Function Class pilih Invers Probability karena statistic uji negative, kemudian pada Function pilih t- distribution. Isikan 0,95 pada Cumulative Probability, dan 49 pada Degrees of Freedom. Klik OK. 3.2. Klasifikasi dua Arah Data

Varietas Lokal1 Lokal2 Har05 Har12 P07

Produksi jagung/ha Blok 1 Blok2 Blok3 1.4 1.0 1.2 3.2 2.4 2.7 1.5 1.9 1.2 1.6 1.8 2.1 2.8 1.6 2.9

1. Masukkan data pada Genstat dengan data di Stack menjadi satu lajur terlebih dahulu menjadi seperti berikut
1.2 3.2 1.5 1.6 2.8 1.4 2.4 1.9 1.8 1.6 1.0 2.7 1.2 2.1 2.9 B1 B1 B1 B1 B1 B2 B2 B2 B2 B2 B3 B3 B3 B3 B3 L1 L2 H05 H12 P07 L1 L2 H05 H12 P07 L1 L2 H05 H12 P07

2. Pada kolom kedua dan ketiga, ganti jenisnya dengan klik kanan lalu klik Convert to factor. Agar lebih mudah rename judul masing-masing kolom dengan Jagung, Blok, dan Varietas. 3. Lakukan analisis varians, dengan cara klik Stats > Analysis of Variance,sehingga muncul kotak diaog seperti berikut :

Pada Design pilih General Analysis of Variance, YVariate pilih Jagung, Treatment Structure pilih Varietas, Block Structure pilih Blok, dan pada Interactions pilih No interaction. Klik OK. 4. Untuk mencari nilai p, klik Data > Calculation > Function,sehingga muncul kotak dialog seperti berikut :

Pada Function Class pilih Inverse Probability, Function pilih F-distribution, Cumulative Probability ketik 0.95, Numerator degrees of freedom ketik 2 (untuk F table untuk blok) kemudian ketik 4 (untuk F table untuk varietas)dan Degrees of freedom ketik 8. Klik OK.

BAB IV HASIL DAN PEMBAHASAN 4.1. Hasil dan Pembahasan Uji t Data berpasangan Dari pengerjaaan analisis, diperoleh hasil sebagai berikut :

Dari hasil tersebut diperlihatkan a. statistic uji t sebesar -1.94 lebih kecil dari t table sebesar 1.677 b. nilai peluang sebaran t sebesar 0.058 lebih besar dari nilai sebesar 0.025 c. selang kepercayaan 95% berada pada selang (-12.16, 0.2181) Dengan demikian diambil keputusan untuk menerima H 0. Sehingga kesimpulan yang dapat diambil adalah belum cukup bukti untuk mengatakan bahwa metode

pembelajaran yang digunakan oleh seorang dosen PTN berpengaruh terhadap nilai mahasiswanya. Atau dengan kata lain metode pembelajaran tersebut kurang efektif. 4.2.Hasil dan pembahasan klasifikasi dua arah Sebelum membaca hasil analisis, pernyataan hipotesis sebagai berikut : 1. Ho : 1 . = 2 . = .. = a . H1 : paling sedikit ada satu blok berbeda 2. Ho : . 1= . 2= .. = . n H1 : paling sedikit ada satu varietas berbeda Dari pengerjaaan analisis, diperoleh hasil sebagai berikut : diperlihatkan

***** Analysis of variance ***** Variate: Jagung m.s. v.r. 0.36 Source of variation Blok stratum d.f. F pr. 2 s.s. 0.1493

0.0747

Blok.*Units* stratum 5.90 0.016 4 8 4.9507 1.6773

Varietas 1.2377 0.2097 Residual

Total Blok B2 *units* 5

14 -0.70

6.7773 s.e. 0.33

***** Tables of means ***** Variate: Jagung Grand mean Varietas P07 2.77 2.43 1.95

H05 1.53

H12 1.83

L1 1.20

L2

*** Standard errors of differences of means *** Varietas 3 8

rep. d.f.

Table

s.e.d.

0.374

Dari hasil tersebut diperlihatkan 1. F hitung blok (0.36) < F table blok (4.459), sehingga diputuskan untuk menerima H 0. Perbedaan antar blok

tidak signifikan. Sehingga keputusan yang dapat diambil adalah belum cukup bukti untuk mengatakan bahwa ketiga blok tersebut memberikan hasil produksi jagung/ ha yang berbeda. 2. F hitung Varietas (5.90) > F table Varietas (3.838) dan nilai p varietas (0.016) < nilai (0.05), sehingga diambil keputusan untuk menolak H 0. Dan kesimpulan yang dapat diambil adalah telah cukup bukti untuk mengatakan kelima varietas tersebut memberikan hasil produksi jagung/ha yang berbeda.

BAB V PENUTUP 5.1. Kesimpulan Uji t juga dapat digunakan untuk menghitung data berpasangan.Ciri yang paling sering dijumpai dalam data berpasangan adalah satu individu dikei dua perlakuan. Perlakuan pertama sebagai pengontrol dan perlakuan kedua sebagai pembanding.

Dari soal

ANOVA yang

telah dibahas kita dapat berarti

menyimpulkan bahwa jika kita menerima

tidak ada pengaruh yang signifikan dari data yang sedang kita analisis, berarti antara satu perlakuan dengan perlakuan lain atau antar varietas yang satu dan yang lain tidak ada pengaruhnya, sehingga jika kita menggunakan satu varietas dengan suatu perlakuan akan memberikan hasil yang sama dengan varietas dan perlakuan yang lain. Dan sebaliknya.

Pengujian dapat dilakukan dengan 3 cara, yaitu statistik uji, nilai p, dan selang kepercayaan. Dan dari ketiganya akan diperoleh hasil yang sama. Namun harus tahu bagaimana menggunakan masing- masing cara agar diperoleh jawaban yang benar.

5.2.

Saran 1. Lebih hati- hati untuk melakukan stack secara manual, harus lebih dipahami lagi masing- masing fungsi dari variable- variable dan data yang sedang dianalisis.

2. Memasukkan data dengan benar agar data dapat terbaca dan dapat dianalisis dengan benar oleh Genstat. 3. Untuk stack langsung pada Genstat perhatikan lagi pada saat memasukkan angka- angka pada Fill agar sesuai dengan yang kita kehendaki. 4. Memahami dasar teori agar dapat mengambil keputusan dan menginterpretasikan hasil analisis. 5. Hati- hati dalam mencari nilai p, jika kita menginputkan secara manual, lihat nilai statistic uji apakah positif atau negative sehingga kita tahu harus menggunakan lower tail probability atau upper tail probability DAFTAR PUSTAKA

Irianto, A. (2010). Statistika Konsep Dasar, Aplikasi, dan Pengembangannya. Jakarta: Kencana. Sudjana. (2002). Metode Statistika. Bandung: Tarsito. Walpole, R. (1995). Pengantar Statistika Edisi-3. Jakarta: PT. Gramedia Pustaka Utama.