Statistika Kimia

Statistika kimia merupakan analisis statsitik terhadap seperangkat data sesuai dengan tahapan uji-uji
statistik yang hasilnya dianalisis menggunakan kaidah-kaidah kimia.

Kaidah kaidah kimia yang dimaksud adalah kaidah yang mengacu pada pemakaian atau penggunaan
bahan bahan kimia dalam serangkaian percobaan seminimal mungkin, agar kelestarian lingkungan
dapat terjaga.

Tahapan uji uji statistik terhadap seperangkat data adalah sebagai berikut:

1. Uji Pendahuluan
Uji pendahuluan terhadap seperangkat data merupakan uji terhadap kelayakan data agar dapat
dilakukan uji selanjutnya. Uji-uji statistik tersebut meliputi:

a. Uji homogenitas Bartlett

Uji homogenitas Bartlett atau uji Bartlett merupakan uji kehomogenan data yang
menggunakan perhitungan keragaman terhadap nilai tabel Bartlett.
Uji ini biasanya diberlakukan terhadap seperangkat data yang berasal dari percobaan
percobaan yang mempergunakan bantuan bahan bahan kimia.

b. Uji Normalitas Lilliefors

Uji normalitas Lilliefors atau uji Lilliefors merupakan uji kenormalan data yang
menggunakan perhitungan keragaman terhadap nilai tabel Lilliefors, bisa menggunakan
chi kuadrat
Uji ini biasanya diberlakukan terhadap seperangkat data yang berasal dari percobaan
percobaan dalam bidang perikanan dan sejenisnya.

c. Uji Additivitas Tuckey

Uji additivitas Tuckey atau uji Tuckey merupakan uji additiv data yang menggunakan
perhitungan keragaman terhadap nilai tabel Tuckey .
Uji ini biasanya diberlakukan terhadap seperangkat data yang berasal dari percobaan
percobaan dalam bidang kedokteran atau medis dan sejenisnya.

Jika seperangkat data tidak memenuhi salah satu uji diatas, jika akan dilakukan uji lanjutan, maka data
tersebut harus dilakukan transformasi data, agar memenuhi salah satu asumsi dalam uji pendahuluan,
apakah data bersifat homogen, normal atau bersifat additiv. Transformasi data yang bisa dilakukan
seperti log X, √X atau √(X+½), atau acsine√X. Setelah data menjadi homogen, normal atau additiv,
maka data dapat dikembalikan ke data semula.

2. Uji Statistik KERAGAMAN atau Uji F atau ANOVA

Uji F atau ANOVA (analysis of Varians) atau uji keragaman sering dinamakan uji F, karena
dalam pengambilan keputusannya menggunakan tabel Fischer (F)
Tahapan dalam uji F dapat dilihat dari contoh penyajian data sebagai berikut
 Data pengaruh penggunaan hormon tumbuh thd produksi kedelai

Ulangan
Hormon ---------------------------------------------------- Jumlah Rerata
(ppm) 1 2 3 4
H0 0,00 8,0 8,1 7,5 7,7 31,3 7,825
H1 0,25 8,3 8,2 8,3 7,9 32,7 8,175
H2 0,50 8,9 8,1 8,3 8,0 33,3 8,325
H3 0,75 9,3 9,0 8,2 8,7 35,2 8,800
H4 1,00 9,7 9,0 8,8 9,0 36,5 9,125
H5 1,25 9,5 8,9 8,5 8,9 35,8 8,950
Jumlah 53,7 51,3 49,6 50,2 204,8 8,530

Mohon diperhatikan: notasi 1, 2, 3, 4 adalah ulangan (r, repeat)

notasi H0, H1, H2, H3, H4, H5 adalah perlakuan (t, treatment)
bagian tebal 204,8 adalah grand total, 8,530 adalah grand rata rata(mean)

FK (faktor koreksi) = (grand total 2)/(∑ ulangan x∑ perlakuan)

= 204,82/(4x6) = 1747,627

JK (jumlah kuadrat) total = jumlah kuadrat tiap data- FK

= (8,02 + 8,32 + .....+ 8,92) – 1747,627= 7,533

JK Perlakuan (hormon) = jumlah tiap perlakuan2 – FK

Jumlah ulangan
= (31,32 + ... +35,82 )/4 - 1747,627 = 5,073

JK Galat = JK Total – JK Pelakuan(hormon)

= 7,533 – 5,073 = 2,460

Kuadrat Tengah Perlakuan=JK Perlakuan/DB Perlakuan= 5,073/5= 1,0146

Kuadrat Tengah Galat = JK Galat/DB Galat =2,460/18=0,1370

Fhitung = Kuadrat Tengah Perlakuan/ Kuadrat Tengah Galat

= 1,0146/0,1370 = 7,42

Derajat Bebas (DB)

DB Perlakuan = t-1 = 6-1 = 5
DB Galat = (rt – 1)- (t-1) = (4x6-1)- (6-1) = 23-5 = 18

Hasil analisis Uji F pada pengaruh hormon tumbuh terhadap produksi kedelai disusun sebagai
berikut:

SK DB JK KT Fhitung Ftabel
5% 1%
Perlakuan 5 5,073 1,0146 7,42** 2,77 4,25
Galat 18 2,460 0,1370
Total 23 7,533

Keterangan: SK=Sumber Keragaman

* * = berbeda sangat nyata dibandingkan dengan nilai tabel 1%
* = berbeda nyata dibandingkan dengan nilai tabel 5%
 Untuk melanjutkan hasil uji F terhadap uji lanjutan yang sesuai harus dihitung dulu nilai KK
(koefisien keragaman) nya

KK = (√ KTG)/ grand mean x 100%

Uji lanjutan yang dipilih berdasarkan nilai KK dengan ketentuan sebagai berikut:
1. Jika KK besar ( >10 %) maka digunakan uji lanjutan uji Duncan atau DMRT (Duncan
Multiple Range Test)
2. Jika KK sedang (5-10%) maka digunakan uji lanjutan uji BNT (Beda Nyata Terkecil)
(Least Significant Different Test)
3. Jika KK Kecil (<5%) maka digunakan Uji BNJ (Bedan Nyata Jujur) (Honestly Significant
DifferentTest)

Uji Lanjutan

Uji lanjutan digunakan untuk mendapatkan dua unggulan terbaik dari sejumlah perlakuan dari hasil
Uji F yang menunjukkan hasil berbeda nyata atau berbeda sangat nyata. Jika pada uji F tidak
menunjukkan hasil berbeda nyata, maka uji lanjutan tidak perlu dilakukan dan tidak dapat dilakukan.

Uji uji lanjutan yang dapat dipilih berdasarkan nilai Koefisien Keragaman ada 3 jenis uji yaitu:

1. Uji BNT
2. Uji BNJ
3. Uji DMRT

(Uraian mengenai tahapan dalam uji lanjutan BNT, BNJ dan DMRT, dapat dilihat di referensi :
Kemas Ali Hanafiah, Rancangan Percobaan, Teori & Aplikasi, Penerbit PT RajaGrafindo Persada
Jakarta, 2015)

Selanjutnya, untuk mendapatkan hasil terbaik dari dua unggulan yang merupakan hasil dari salah satu
uji lanjutan diatas, dapatdilakukan uji -t.

Uji-t
Uji-t adalah jenis pengujian statistika untuk mengetahui apakah aa perbedaan dari nilai yang diperkirakan
dengan nilai hasil perhitungan statistika. Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu
variabel bebas secara individual dalam menerangkan variasi variabel terikat. Uji-t menilai apakah mean dan
keragaman dari dua kelompok berbeda secara statistik satu sama lain. Analisis ini digunakan apabila kita
ingin membandingkan mean dan keragaman dari dua kelompok data, dan cocok sebagai analisis dua
kelompok rancangan percobaan acak.

INTERPRETASI

 Jika t hitung observasi ( ), sama atau lebih besar daripada harga kritik t yang tercantum
dalam tabel ( ),maka Hipotesa Alternatif (H1) dierima, artinya ada perbedaan dari faktor yang
 diselidiki. Adanya perbedaan tersebut mengandung makna bahwa ada korelasi yang signifikan
pada faktor yang kita selidiki.
 Jika t hitung observasi , lebih kecil daripada harga kritik t yang tercantum dalam tabel ),
maka Hipotesa Alternatif (H1) ditolak atau Ho dierima, artinya tidak ada perbedaan dari faktor
yang diselidiki, maka tidak ada korelasi yang signifikan pada faktor yang kita selidiki

APLIKASI UJI t
 Untuk dua sampel kecil (N kurang dari 20) yang saling berhubungan.

Sebuah penelitian ingin menguji efektifitas metode X dalam membentuk sikap keagamaan siswa
SMTA di Kec.Y

Sekor Sikap Keagamaan Siswa SMTA

Sebelum diterapkan
Nama Siswa metode X Sesudah diterapkan metode X D= (X-Y) D²=(X-Y)²
1 78 75 3 9
2 60 68 -8 64
3 55 59 -4 16
4 70 71 -1 1
5 57 63 -6 36
6 49 54 -5 25
7 68 66 2 4
8 70 74 -4 16
9 81 89 -8 64
10 30 33 -3 9
11 55 51 4 16
12 40 50 -10 100
13 63 68 -5 25
14 85 83 2 4
15 70 77 -7 49
16 62 69 -7 49
17 58 73 -15 225
18 65 65 0 0
19 75 76 -1 1
20 69 86 -17 289

20=N
-90=∑D 1002= ∑D²

Langkah-langkah yang harus ditempuh adalah:

Rumus:
Mencari Mean dengan rumus:

Mencari Standar Deviasi

 =

=
= 5.464

Mencari Standar Error Mean Perbedaan Skor antara X dengan Y:

Memasukkan Rumus ”t”

Interpretasi:

Yaitu dengan membandingkan nilai t hitung dengan t tabel pada taraf signifikansi 5 % dan 1 %, untuk
db (N-1)= 19. Ttabel untuk taraf signifikansi 5 % adalah 2.09 dan 1 % sebesar 2.86, sehingga dapat di
banding 2.09<3.591>2.86. Ini berarti bahwa Hipotesa Kerja yang menyatakan ada perbedaan sikap
antara sesudah dan sebelum menggunakan metode X diterima. Atau dengan kata lain metode X perlu
dipertahankan, karena memiliki perbedaan yang meyakinkan.