Revisi Uji Hipotesis 2 Sampel

TUGAS BESAR
KOMPUTASI STATISTIK KELAS B 2009

UJI HIPOTESIS (2 SAMPEL)

Oleh:
Deni Dwi Wijayanto (1309100079)
Farisca Susiani (1309100113)

Dosen:
Dr. rer. pol. Heri Kuswanto, S.

JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA

Uji Hipotesis (2 Sampel)

Farisca Susiani (1309100113) Page 2

BAB IX
UJI HIPOTESIS ( 2 SAMPEL )

Pengujian hipotesis sampel-ganda adalah untuk menggunakan data dari dua
sampel yang diperoleh dari dua populasi dan mengetahui apakah ada perbedaan yang
secara statistik cukup berarti (significant) antara parameter-parameter dari kedua
populasi tersebut.
Untuk memperoleh hasil yang berguna, uji hipotesis sampel-ganda harus
memenuhi asumsi sebagai berikut:
Data di kedua populasi yang diambil sebagai sampel harus berdistribusi normal.
Sumber data pada populasi pertama harus independen terhadap sumber data di
populasi kedua (independent sample). (Harinaldi, 2005)
Langkah-langkah pengujian hipotesis
a. Menyatakan Hipotesis Awal (H
0
) dan Hipotesis Alternatif (H
1
)
b. Menetapkan Tingkat Signifikan ()
c. Memilih Uji Statistik
d. Menentukan Nilai Kritis
e. Menghitung Nilai Hitung dari Uji Statistik
f. Membuat keputusan
(Dixon & Massey, 1991)

9.1 Uji Hipotesis Beda Dua Variansi dengan Sampel-Ganda
Pada uji variansi ini, varians sampel (s
2
) digunakan untuk mengambil
kesimpulan mengenai varians populasi (o
2
). Jadi dalam uji ini diambil sampel acak
dari dua populasi, dihitung varians data dari masing-masing sampel, dan hasilnya
digunakan sebagai dasar untuk membandingkan varians populasi.
Dalam uji dua varians hipotesis awalnya adalah tidak ada perbedaan variabilitas
pada kedua populasi. Sedangkan hipotesis alternatifnya adalah terdapat perbedaan
berarti antara varians-varians kedua populasi.


atau

Nilai hitung dari uji statistik F dapat dihitung menggunakan rumus

Dengan nilai-nilai dari uji statistik F dalam bentuk
, yang ditentukan dengan

mengetahui tiga hal berikut:
Tingkat Signifikan,
Derajat Kebebasan (degree of freedom) untuk sampel yang digunakan
sebagai pembilang dalam statistik uji (

Derajat Kebebasan (degree of freedom) untuk sampel yang digunakan
sebagai penyebut dalam statistik uji (

Daerah kritis pada pengujian hipotesis beda dua varians sampel-ganda, yaitu
Untuk uji dua arah Tolak hipotesis awal jika
atau
. Sedangkan untuk uji satu arah Tolak Hipotesis awal jika

9.1.1 Algoritma Prosedur Uji Hipotesis Beda Dua Varians
Berikut ini akan diuraikan algoritma pada prosedur uji hipotesis beda dua
varians.

Gambar 9.1 Algoritma Prosedur Uji Hipotesis Beda Dua Varians pada Software R
Mulai
Menginputkan
variabel x1 dan
x2 (data asal)
Mendefinisikan
panjang data
Menyatakan H0
dan H1
menetapkan
nilai alfa
Menghitung nilai
hitung dari uji
statistik F
Menghitung P
value
Menentukan
daerah kritis
Membuat
keputusan
Selesai


9.1.2 Function Prosedur Uji Hipotesis Dua Varians
Berikut ini akan diuraikan function uji hipotesis dua varians. Function ditulis
dalam notepad yang kemudian dipanggil menggunakan perintah source.

Dalam kasus uji hipotesis beda dua varians juga terdapat package jadi di R,
yaitu dengan langsung mengetikkan pada command window perintah berikut.
var.test(x, y, ratio = 1, alternative = c("two.sided",
"less", "greater"),conf.level = 0.95, ...)
x, y numeric vectors of data values, or fitted linear model objects
(inheriting from class "lm").
ratio the hypothesized ratio of the population variances of x and y.
alternative a character string specifying the alternative hypothesis, must be


one of "two.sided" (default), "greater" or "less". You can specify
just the initial letter.
conf.level confidence level for the returned confidence interval.
9.1.3 Study Kasus untuk Uji Hipotesis Beda Dua Varians
Misalkan terdapat data pembelian daging dan sayur di supermarket kawasan
Keputih, Kecamatan Sukolilo adalah sebagai beikut:
Tabel 9.1 Data Pembelian Meat dan Vegetable (masing-masing)
Meat Vegetable
10.32 16.47 16.61 1.49 11 4.14 22.86 21.15 15.47 0.47
1.46 1.48 9.03 3.79 11.7 3.61 12.7 15.62 4.51 6.59
8.02 12.4 0.76 13.32 2.97 12.5 18.18 27.78 8.6 26.5
4.03 0.13 17.37 16.2 1.67 21.73 3.58 8.44 6.09 19.7
2.1 14.15 3.65 14.16 3.28 21.46 8.84 1.93 3.85 1.31
0.43 4.33 3.07 4.24 0.7 13.49 4.09 3.54 20.84 13.28
4.46 8.22 5.2 4.1 14.78 3.72 16.98 1.86 3.57 9.18
14.86 13.84 8.1 17 11.62 7.56 14.47 21.17 19.54 17.88
2.73 8.1 2.8 15.94 6.96 10.19 16.2 9.43 9.39 0.15
4.65 0.58 2.3 0.81 2.78 1.54 7.74 3.76 4.61 5.49
1.53 1.75 0.25 1.3 2.78 20.44 10.71 4.9 4.57 9.02
9.72 2.43 7.93 7.14 9.04 13.1 10.3 18.2 22.07 11.28
0.08 9.04 8.61 15.21 4.86 0.97 6.75 25.5 2.71 6.71
8.53 0.22 8.67 10.44 6.72 16.07 12.83 18.29 1.31 5.21
9.26 1.05 5.09 8.21 11.8 8.32 2.47 0.38 4.64 17.94
0.49 16.13 13.72 15.29 18.92 0.38 13.8 16.46 12.8 24.46
12.66 13.94 17.4 5.28 14.81 11.89 5.42 13.66 12.64 3.84
13.78 12.89 12.71 3.33 2.05 6.19 11.8 6.4 9.83 15.77
13.33 18.54 10.25 3.3 5.97 7.16 1.45 18.06 13.69 5.93
18.14 13.97 9.94 9.97 3.15 6.85 8.56 20.06 12.64 15.57
9.79 1.72 14.75 5.28 0.08 7.26 8.9 6.59 19.5 4.19
0.88 2.5 2.48 2.06 3.35 13.47 13.66 1.11 15.41 13.47
2.49 0.44 0.62 4.33 4.02 15.8 3.07 0.08 6.25 1.57
11.32 19.38 13.93 8.79 4.46 8.72 11.54 12.96 4.99 8.65
2.78 2.17 3.89 1.16 4.52 19.66 6.5 14.35 2.7 15.72
1.47 1.55 1.41 3.24 3.54 12.15 12.46 7.87 17.59 7.32
1.96 5.52 1.29 3.73 3.36 8.72 1.83 1.37 3.28 21.03


0.9 6.46 0.9 1.41 1.33 2.66 20.54 2.54 25.85 15.99
16.48 7.33 15.8 12.23 5.22 19.74 15.85 24.02 4.38 7.05
1.68 12.53 3.49 6.21 0.25 7.47 6.22 0.54 22.43 7.85
Kemudian ingin dilakukan uji beda dua variabilitas, apakah variabilitas pembelian
daging lebih rendah daripada variabilitas pembelian sayur, sampel di ambil secara
random dari 150 pembeli di supermarket yang berbeda. Pengujian hipotesis
menggunakan taraf signifikansi sebesar 5% atau 0,05. Langkah-langkah
pengerjaannya adalah sebagai berikut:
1. Buka program R
2. Pindahkan data ke notepad dalam 2 kolom, yaitu kolom meat dan vegetable,
kemudian simpan di drive d dengan nama data.txt
3. Panggil data dari notepad ke dalam program R dengan cara:
Misal diberi nama data =
> data = read.table(d://data.txt,header=TRUE)
4. Menulis Function seperti di atas dalam notepad dan simpan di drive d dengan
nama varians.txt
5. Definisikan variabel x
1
dan x
2
dengan mengetikkan perintah berikut pada
command window:
> x1 = data$meat
> x2 = data$vegetable
6. Panggil fungsi dari notepad ke dalam program R dengan cara:
> source(d://varians.txt)
> ujiF(data,0,0.05,less)
Maka akan muncul seperti di bawah ini:
==========================
Uji dua varians
Ho: sigma1^2 - sigma2^2 = 0
H1: sigma1^2 - sigma2^2 < 0
F hitung = 0.629224 , P-value = 0.002475048
daerah kritik: F hitung < 1.310443
dengan menggunakan alpha = 0.05
Tolak H0, artinya kedua varians tidak identik
==========================


Atau dengan mengetikkan perintah berikut dalam command window yang kemudian
juga langsung didapat hasilnya:
> var.test(x1,x2,ratio=1,"less")

F test to compare two variances

data: x1 and x2
F = 0.6292, num df = 149, denom df = 149, p-value = 0.002475
alternative hypothesis: true ratio of variances is less than 1
95 percent confidence interval:
0.0000000 0.8245622
sample estimates:
ratio of variances
0.629224
Dari perhitungan di atas diketahui bahwa daerah penolakan (daerah kritik) terjadi jika F
hitung < 1.310443. Nilai dari F hitung dan P-value itu sendiri masing-masing 0.629224
dan 0.002475048 dengan derajat bebas df1 149 dan df2 149. Karena F hitung berada di
daerah kritik dan nilai P-value < 0.05 maka dapat ditarik kesimpulan Tolak H0 yang
berarti variabilitas pembelian daging di supermarket lebih kecil daripada variabilitas
pembelian sayuran di supermarket.

9.2 Uji Hipotesis Beda Dua Proporsi
Tujuan dari hipotesis proporsi dengan sampel-ganda adalah untuk mengetahui
apakah terdapat perbedaan yang berarti secara statistik antara proporsi dua populasi
dengan menggunakan data sampel. Terdapat dua asumsi yang harus dipenuhi dalam
melakukan uji ini.
Kedua sampel diambil dari dua populasi yang saling independen
Sampel-sampel yang diambil dari masing-masing populasi harus berukuran
cukup besar.
Apabila proporsi sukses dari suatu populasi adalah p, dapat diasumsikan bahwa
distribusi proporsi sampel p adalah normal, jika np dan nq (q: proporsi gagal)


keduanya lebih dari 5 persen. Hipotesis awal dan hipotesis alternative untuk uji
hipotesis beda dua proporsi dari kelompok-kelompok independen dapat berbentuk.
dan

Uji Statistik yang digunakan adalah uji Z. Nilai-nilai dari statistik Z dalam
bentuk
, dengan adalah tingkat signifikansi.

Daerah kritis pada pengujian hipotesis beda dua proporsi sampel-ganda, yaitu
untuk uji dua arah Tolak hipotesis awal jika
atau Z
. Sedangkan
untuk uji satu arah Tolak Hipotesis awal jika
.
Andaikan terdapat dua populasi dengan proporsi berturut-turut n
1
dan n
2
,
sedangkan banyaknya sampel n
1
dan n
2
, kesalahan baku beda proporsi dapat
diperoleh dengan menggunakan rumus.

Jika p
1
= p
2
rumus di atas dapat diganti menjadi
)
Nilai hitung dari statistik uji dapat dihitung dengan rumus
Z =
2 1
) (

2 1 2 1
P P
P P P P

o

9.2.1 Algoritma Prosedur Uji Hipotesis Beda Dua Proporsi
Berikut ini akan diuraikan algoritma pada prosedur uji hipotesis beda dua
proporsi.


Gambar 9.2 Algoritma Prosedur Uji Hipotesis Beda Dua Proporsi pada Software R

9.2.2 Function Prosedur Uji Hipotesis Dua Proporsi
Berikut ini akan diuraikan function uji hipotesis dua proporsi. Function ditulis
dalam notepad yang kemudian dipanggil menggunakan perintah source.

Mulai
Mendefinisikan
panjang data
Menyatakan H0
dan H1
Menetapkan
nilai alfa
Menghitung
nilai p1,p2,q1
dan q2
Menghitung
sigma
Menghitung
nilai hitung dari
uji statistik Z
Menghitung P-
value
Menetapkan
daerah kritis
Membuat
keputusan
Selesai


Dalam kasus uji hipotesis beda dua proporsi juga terdapat package jadi di R,
yaitu dengan langsung mengetikkan pada command window perintah berikut.
prop.test(x,n,p=NULL,alternative=c("two.sided","less","gr
eater"),conf.level = 0.95)
x a vector of counts of successes, a one-dimensional table with two
entries, or a two-dimensional table (or matrix) with 2 columns,
giving the counts of successes and failures, respectively. x=c(x1,x2)
: peluang banyaknya keberhasilan
n a vector of counts of trials; ignored if x is a matrix or a table.
n=c(n1,n2): banyaknya populasi
alternative a character string specifying the alternative hypothesis, must be one
of "two.sided" (default), "greater" or "less". You can specify just the
initial letter.
conf.level confidence level for the returned confidence interval.
9.2.3 Study Kasus untuk Uji Hipotesis Beda Dua Proporsi
Misalkan terdapat data lama penggunaan TV dan Radio pada Kecamatan
Gedangan, sebagai berikut:
Tabel 9.2 Data Lama Waktu Penggunaan TV dan Radio
TV Radio
6 13 13 13 4 9 8 8 1 0
1 4 2 5 14 2 3 3 5 2
12 7 1 5 4 5 4 5 2 3
0 11 9 11 4 4 8 2 8 0
1 5 12 12 14 0 9 4 0 4
2 11 3 11 11 2 0 7 7 7
7 11 8 6 10 7 5 3 9 6


7 11 14 0 3 7 9 4 2 1
10 10 12 1 9 9 1 3 5 6
9 3 5 4 10 8 3 8 3 4
6 4 1 4 7 7 9 1 5 3
1 6 14 5 1 5 9 0 0 9
1 4 14 7 3 4 6 2 6 0
0 9 2 12 14 6 8 6 3 0
12 5 2 2 14 1 2 1 5 2
8 6 6 6 8 0 8 3 7 3
7 4 8 6 12 4 5 9 9 9
2 12 12 10 6 8 3 9 3 4
8 10 8 13 13 3 2 0 6 7
1 13 7 7 3 7 9 7 0 5
10 12 5 8 9 9 7 5 1 7
8 3 5 10 4 3 4 9 7 4
2 4 1 13 3 3 9 7 8 8
2 12 10 7 14 9 1 0 4 2
14 8 14 0 13 6 6 1 9 7
6 9 6 11 8 1 0 3 3 5
6 11 5 13 14 4 0 2 3 9
7 5 9 2 12 9 3 8 3 5
5 10 9 2 10 2 3 9 8 6
10 4 13 11 6 0 5 0 8 8
Kemudian akan diuji beda dua proporsi antara lama waktu penggunaan TV dan
radio selama yang lebih dari 7 jam dalam sehari, sampel diambil secara random dari
150 orang. Dengan menggunakan tingkat signifikansi 5%, tunjukkan apakah terdapat
perbedaan proporsi antara lama waktu penggunaan TV dan radio.
Langkah-langkah pengerjaannya adalah sebagai berikut:
1. Buka program R
2. Pindahkan data ke notepad dalam 2 kolom, yaitu kolom tv dan radio, kemudian
simpan di drive d dengan nama datap.txt
> data = read.table(d://datap.txt,header=TRUE)
4. Menulis Function seperti di atas. Function ditulis dalam notepad kemudian di
simpan di drive d dengan nama proporsi.txt


1
dan x
2
command window:
> x1 = data$tv
> x2 = data$radio
> source(d://proporsi.txt)
> ujiprop(data,two.side,0.05,7)
Keterangan: pada alt hanya dapat di isi dengan two side untuk uji dua arah, less
untuk uji satu arah (<) dan greater untuk uji satu arah (>). Sedangkan a merupakan
proporsi lama waktu. Karena dalam contoh uji proporsi lama waktu penggunaan
lebih dari 7 jam maka a diisi 7.
Maka akan muncul seperti berikut
==========================
Uji Proporsi dua sampel
==========================
Ho: p1-p2 = 0
H1: p1-p2 =! 0
Z hitung = 4.59518 , P-value = 4.323754e-06
daerah kritik: Z hitung > 1.959964 atau Z hitung < -1.959964
Tolak H0, artinya kedua proporsi tidak identik
==========================
Dari perhitungan di atas diketahui bahwa daerah penolakan (daerah kritik) terjadi
jika Z hitung < -1.959964 atau Z hitung > 1.959964. Nilai dari Z hitung dan P-
value itu sendiri masing-masing 4.59518 dan 4.323754e-06. Karena Z hitung
berada di daerah kritik dan nilai P-value < 0.05 maka dapat ditarik kesimpulan
Tolak H0 yang berarti terdapat perbedaan antara proporsi lama waktu penduduk
keputih yang menggunakan TV lebih dari 7 jam dalam sehari dengan lama waktu
penduduk keputih yang menggunakan Radio yang lebih dari 7 jam dalam sehari.



9.3 Uji Hipotesis Beda Dua Mean
Dalam uji hipotesis mean dengan sampel-ganda, asumsi bahwa kedua populasi
terdistribusi secara normal tetap digunakan. Namun demikian, prosedur uji
hipotesisnya dapat mengikuti tahapan yang berbeda yang tergantung pada kondisi
sampelnya. Secara umum uji hipotesis ini dapat dibagi menjadi dua, yaitu:
9.3.1 Paired Sample T Test (Uji t-Pasangan untuk Populasi Saling
Tergantung)
Digunakan untuk membandingkan mean dari suatu sampel yang berpasangan
(paired). Sampel berpasangan adalah sebuah kelompok sampel dengan subyek yang
sama namun mengalami dua perlakuan atau pengukuran yang berbeda.
Uji t-pasangan untuk sampel-sampel yang saling tergantung mengikuti prosedur
yang sama dengan uji hipotesis sampel tunggal pada rata-rata yang menggunakan
distribusi t. Namun dalam hal ini, uji t tersebut diterapkan pada perbedaan antara
nilai-nilai pasangan. Perbedaan-perbedaan ini membentuk himpunan tunggal
pengamatan yang diuji dengan prosedur yang biasa.
Digunakan asumsi perbedaan nilai pasangan (d) mengikuti distribusi normal.
Kemudian uji statistiknya adalah nilai t sampel dengan (n-1) sebagai derajat
kebebasan (df). Hipotesis awal dan hipotesis alternatif untuk uji t-pasangan adalah
sebgai berikut.
dan

Simpangan baku dari perbedaan nilai pasangan dapat diperoleh dengan
menggunakan rumus.

Kesalahan baku rata-rata didapat dengan rumus

Dan nilai hitung uji statistik t didapat dengan rumus.



Untuk mengintepretasikan t-test terlebih dahulu harus ditentukan nilai dan df
(derajat kebebasan) serta menentukan daerah kritis. Daerah kritis untuk uji t-
pasangan sebagai berikut.
atau
.
Sedangkan untuk uji satu arah Tolak Hipotesis awal jika
.
9.3.1.1 Algoritma Prosedur Uji Hipotesis Beda Mean (Paired Sample)
Berikut ini akan diuraikan algoritma pada prosedur uji hipotesis beda dua mean
(paired sample).

Gambar 9.3 Algoritma Prosedur Uji Hipotesis Beda Dua Mean (Paired Sample)
9.3.1.2 Function Prosedur Uji Hipotesis Beda Dua Mean (Paired
Sample)
Berikut ini akan diuraikan function uji hipotesis beda dua mean (paired
sample). Function ditulis dalam notepad.

Mulai
Mendefinisikan
variabel x1 dan
x2
Mendefinisikan
panjang data
Menyatakan H0
dan H1
Menghitung nilai
hitung dari
statistik t
Menghitung
Pvalue
Menampilkan
nilai hitung dan
Pval
Menetapkan
daerah kritis
Membuat
keputusan
Selesai


Pada R juga disediakan package langsung jadi, yaitu dengan mengetikkan
perintah di bawah ini pada command window.
t.test(x, y, alternative = c("two.sided", "less",
"greater"),mu = 0, paired = TRUE, conf.level = 0.95, ...)
x a (non-empty) numeric vector of data values.
y an optional (non-empty) numeric vector of data values.
of "two.sided" (default), "greater" or "less". You can specify just the
initial letter.
mu a number indicating the true value of the mean (or difference in means if
you are performing a two sample test).
paired a logical indicating whether you want a paired t-test.
conf.level confidence level of the interval.



9.3.1.3 Study Kasus untuk Uji Hipotesis Beda Dua Mean (Paired
Test)
Produktivitas (jumlah unit yang dihasilkan per hari) dari suatu sampel random
10 pekerja dicatat sebelum dan sesudah mengikuti pelatihan. Ujilah hipotesis dengan
tingkat signifikansi 10% untuk menentukan apakah rata-rata produktivitas sesudah
mengikuti pelatihan lebih besar daripada sebelum mengikuti pelatihan. Berikut ini
data yang telah diambil.
Tabel 9.3 Data Produktivitas Pekerja Sebelum dan Sesudah Pelatihan
Pekerja
Produk yang dihasilkan per
hari
Pekerja
Produk yang dihasilkan
per hari
Sebelum Sesudah Sebelum Sesudah
1 54 60 6 52 58
2 56 59 7 56 62
3 50 57 8 53 55
4 52 56 9 53 54
5 55 56 10 53 64
Langkah-langkah pengerjaannya adalah sebagai berikut
1. Buka program R
2. Pindahkan data ke notepad dalam 2 kolom, yaitu kolom tv dan radio, kemudian
simpan di drive d dengan nama datapaired.txt
> data = read.table(d://datapaired.txt,header=TRUE)
4. Menulis Function seperti di atas. Function ditulis dalam notepad kemudian di
simpan di drive d dengan nama paired.txt
1
dan x
2
command window:
> x1 = data$sebelum
> x2 = data$sesudah
> source(d://paired.txt)
> ujiprop(data,0.1,greater)
Keterangan: pada alt hanya dapat di isi dengan two side untuk uji dua arah, less
untuk uji satu arah (<) dan greater untuk uji satu arah (>).


Maka akan didapat hasil sebagai berikut
==========================
Uji paired test
Ho: miu.d = 0
H1: miu.d > 0
t hitung = 4.750411 , Pval = 0.0005217954
daerah kritik: T hitung > -1.383029
Tolak H0
==========================
Atau dengan mengetikkan perintah berikut dalam command window yang kemudian
juga langsung didapat hasilnya:
> t.test(x2,x1,"greater",mu = 0, paired = TRUE, conf.level = 0.99)

Paired t-test

data: x2 and x1
t = 4.7504, df = 9, p-value = 0.0005218
alternative hypothesis: true difference in means is greater than 0
1.908503 Inf
sample estimates:
mean of the differences
4.7
Nilai T hitung lebih besar dari T tabel = -1.383029. Dengan demikian Tolak H0
yang menyatakan perbedaan produktivitas pekerja per hari sesudah dan sebelum
pelatihan samadengan nol. Dengan kata lain H1 diterima, yaitu bahwa perbedaan
produktivitas pekerja per hari sesudah dengan sebelum pelatihan lebih besar dari nol.
9.3.2 Independent Sample
Digunakan untuk membandingkan dua kelompok mean dari dua sampel yang
berbeda (independent). Prinsipnya ingin mengetahui apakah ada perbedaan mean
antara dua populasi dengan membandingkan dua mean sampelnya. Independent
sample t-test dapat dibedakan lagi menjadi 3, yaitu


9.3.2.1 Uji Z untuk Populasi yang Independen
Suatu uji Z digunakan apabila sampel diambil dari dua populasi yang
independen dan terdistribusi normal serta nilai-nilai standar deviasi populasi o
1
dan
o
2
telah diketahui atau ukuran kedua sampel lebih dari 30 (n >= 30).
Dalam uji hipotesis ini hipotesis awal dan hipotesis alternatifnya adalah
dan

Nilai hitung dari uji statistik uji Z dapat dihitung menggunakan rumus.

Jika simpangan baku populasi tidak diketahui, tetapi ukuran kedua sampel lebih
dari 30, kesalahan baku rata-rata dapat didekati dengan simpangan baku sampel,
dengan rumus

Daerah kritis pada pengujian hipotesis ini, yaitu untuk uji dua arah Tolak
hipotesis awal jika
atau Z
. Sedangkan untuk uji satu arah Tolak

Hipotesis awal jika
.
9.3.2.2 Uji t Sampel Ukuran Kecil Jika

Uji ini digunakan apabila
Sampel diambil dari dua populasi yang independen dan terdistribusi normal.
Nilai-nilai standar deviasi populasi o
1
dan o
2
tidak diketahui
Ukuran sampel n
1
dan n
2
kecil (n<30)
Uji F pada varians menunjukkan bahwa

Prosedur uji hipotesisnya merupakan gabungan prosedur pengujian dua varians
dan uji t dengan ketentuan sebagai berikut.



dan

Nilai hitung dari uji statistik t dihitung menggunakan rumus

(derajat kebebasan) serta menentukan daerah kritis. Derajat kebebasan untuk
pengujian hipotesis ini adalah
( )
( ) ( )
1 1
2
2
2
2
2
1
2
1
2
1
2
2
2
2 1
2
1
+
=
n
n S
n
n S
n S n S
v

Daerah kritis pada pengujian hipotesis ini diberikan sebagai berikut
atau
.
.
9.3.2.3 Uji t Sampel Ukuran Kecil Jika

Uji ini digunakan apabila
Sampel diambil dari dua populasi yang independen dan terdistribusi normal.
Nilai-nilai standar deviasi populasi o
1
dan o
2
tidak diketahui
Ukuran sampel n
1
dan n
2
kecil (n<30)
Uji F pada varians menunjukkan bahwa

Prosedur uji hipotesisnya merupakan gabungan prosedur pengujian dua varians
dan uji t dengan ketentuan sebagai berikut.
dan

Nilai hitung dari uji statistik t dihitung menggunakan rumus
( )
|
.
|
\
|
+
|
.
|
\
|

=
2 1
0 2 1
1 1
n n
S
d x x
t
p



Dengan
( ) ( )
2
1 1
2 1
2
2 2
2
1 1 2
+
+
=
n n
S n S n
S
p

(derajat kebebasan) serta menentukan daerah kritis. Derajat kebebasan untuk
pengujian hipotesis ini adalah v = n
1
+n
2
-2

Daerah kritis pada pengujian hipotesis ini diberikan sebagai berikut
atau
.
.
9.3.2.4 Algoritma Prosedur Uji Hipotesis Beda Mean (Indepandent
Sample)
Berikut ini akan diuraikan algoritma pada prosedur uji hipotesis beda dua mean
(independent sample).

Gambar 9.4 Algoritma Prosedur Uji Hipotesis Beda Dua Mean (Independent Sample)
9.3.2.5 Function Prosedur Uji Hipotesis Beda Dua Mean
(Independent Sample)
Berikut ini akan diuraikan function uji hipotesis beda dua mean (independent
sample). Function ditulis dalam notepad yang kemudian dipanggil menggunakan
perintah source.
Mulai
Mendefinisikan
variabel x1 dan
x2
Menyatakan H0
dan H1
Menetapkan
nilai alfa
Menggunakan
conditional untuk
n>30 dan n<30
Melakukan uji F
Menghitung
nilai hitung dari
uji statistik Z
Menghitung P-
value
Menetapkan
daerah kritis
Membuat
keputusan
selesai




Pada R juga disediakan package langsung jadi, yaitu dengan mengetikkan
perintah di bawah ini pada command window.
t.test(x,y,alternative=c("two.sided","less","greater"),mu
= 0, paired = FALSE, var.equal =FALSE/TRUE, conf.level =
0.95, ...)


x a (non-empty) numeric vector of data values.
y an optional (non-empty) numeric vector of data values.
of "two.sided" (default), "greater" or "less". You can specify just the initial
letter.
mu a number indicating the true value of the mean (or difference in means if you
are performing a two sample test).
paired a logical indicating whether you want a paired t-test.
var.equal a logical variable indicating whether to treat the two variances as being equal.
If TRUE then the pooled variance is used to estimate the variance otherwise the
Welch (or Satterthwaite) approximation to the degrees of freedom is used.
conf.level confidence level of the interval.
9.2.3 Study Kasus untuk Uji Hipotesis Beda Dua Mean
(Independent Sample)
Misalkan data yang digunakan seperti pada Tabel 9.3, kemudian akan
dilakukan uji hipotesis perbedaan dua mean apakah rata-rata pembelian daging sama
dengan rata-rata pembelian ikan di beberapa supermarket kawasan Keputih,
Kecamatan Sukolilo dengan menggunakan tingkat signifikansi 5%.
Tabel 9.4 Data Pembelian Meat dan Fish di beberapa Supermarket
Meat Fish
10.32 2.1 1.53 2.73 12.66 2.39 5.76 2.4 0.29 0.33
1.46 0.43 9.72 4.65 13.78 3 0.53 1.06 1.62 0.34
8.02 4.46 0.08 9.26 13.33 2.59 0.36 0.53 2.05 2.59
4.03 14.86 8.53 0.49 18.14 4.52 3.07 5.78 4.86 3.76
Langkah-langkah pengerjaannya adalah sebagai berikut:
1. Buka program R
2. Pindahkan data ke notepad dalam 2 kolom, yaitu kolom meat dan vegetable,
kemudian simpan di drive d dengan nama data.txt


> data = read.table(d://data.txt,header=TRUE)
4. Menulis Function seperti yang di atas dalam notepad kemudian di simpan di drive
d dengan nama mean.txt
1
dan x
2
command window:
> x1 = data$meat
> x2 = data$fish
> source(d://mean.txt)
> ujimean(data,0,two.side,0.05)
Maka akan muncul hasil sebagai berikut:
==========================
Uji varians populasi identik atau tidak
Ho: sigma1^2 = sigma2^2
H1: sigma1^2 =! sigma2^2
==========================
Tolak H0, artinya sigma1^2 =! sigma2^2
==========================
Uji independent test
Ho: Miu1-Miu2 = 0
H1: Miu1-Miu2 =! 0
daerah kritik: T hitung > 2.068638 atau T hitung < -2.068638
t hitung = 3.544262 , P-value = 0.001730327
Tolak H0, artinya kedua rata-rata populasi adalah tidak identik
==========================
Atau juga dapat menggunakan package jadi di R dengan mengetikkan perintah
berikut dalam command window yang kemudian akan langsung didapat hasilnya,
seperti di bawah ini.


> t.test(x1,x2,"two.sided",mu = 0, paired = FALSE, var.equal =FALSE, conf.level =
0.95)

Welch Two Sample t-test

data: x1 and x2
t = 3.5443, df = 23.004, p-value = 0.001730
alternative hypothesis: true difference in means is not equal to 0
1.930785 7.344215
sample estimates:
mean of x mean of y
7.0290 2.3915

Banyak data kurang dari 30 jadi menggunakan independen t-test, tetapi sebelum
melakukan uji hipotesis beda dua mean, perlu dilakukan uji hipotesis dua varians
untuk mengetahui apakah
. Dari perhitungan di atas diketahui bahwa
maka menggunakan uji hipotesis beda dua mean pada 9.3.2.2. Daerah
penolakan (daerah kritik) terjadi jika T hitung > 2.068638 atau T hitung < -2.068638.
Nilai dari T hitung dan P-value itu sendiri masing-masing 3.544262 dan
0.001730327. Karena T hitung berada di daerah kritik dan nilai P-value < 0.05 maka
dapat ditarik kesimpulan Tolak H0 yang berarti terdapat perbedaan antara rata-rata
pembelian daging dan rata-rata pembelian ikan di beberapa supermarket.
9.3.3 Diagram Alir Prosedur Pengujian Mean
Berikut adalah diagram alir tentang prosedur pengujian mean dengan sampel
ganda.



9.4 Referensi
Walpole, Ronald. E. 1997. Pengantar Statistika edisi ke-3. Jakarta: Gramedia
Pustaka Utama.
Harinaldi. 2005. Prinsip-prinsip Statistik untuk Teknik dan Sains. Jakarta: Erlangga.
Dixon, Wilfrid. J & Massey, Frank. J. 1991. Pengantar Analisis Statistik edisi ke-4.
Yogyakarta : Gadjah Mada University Press.
Anonim. 2009. One and Two Sample Hypothesis Testing. www.google.com, 10.06,
07 April 2011.
Verzani, John. 2002. SimpleR-Using R for Introductory Statistics.
http://www.math.csi.cuny.edu/Statistics/R/simpleR, 10.08, 07 April 2011.
Gambar 9.5 Prosedur Uji Mean dengan Sampel-Ganda
Gunakan
distribusi Z
(9.3.2.1)
Mulai
Kedua
sampel
independen
?
Gunakan paired
t-test (9.3.1)
Stop
T
o
1
dan o
2

diketahui?
Y
T
Kedua
sampel
n>30
T Gunakan uji F
untuk menguji

H
0

diterima
?
Gunakan
distribusi t
(9.3.2.3)
Gunakan
distribusi t
(9.3.2.2)
Stop
T
Gunakan s
1
dan s
2

sebagai pengganti o
1

dan o
2

Y
Y
Y
Stop

Revisi Uji Hipotesis 2 Sampel

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Revisi Uji Hipotesis 2 Sampel

Diunggah oleh

Hak Cipta:

Format Tersedia

TUGAS BESAR

KOMPUTASI STATISTIK KELAS B 2009

, yang ditentukan dengan

. Sedangkan untuk uji satu arah Tolak Hipotesis awal jika

, dengan adalah tingkat signifikansi.

. Sedangkan untuk uji satu arah Tolak

. Dari perhitungan di atas diketahui bahwa

Anda mungkin juga menyukai