TUJUAN:
1. Summarize, report dan store data dengan Ms. Excel dan software R
2. Membuat statistics descriptive dengan grafik/ numeric maupun keduanya dari data.
3. Membuat Distribusi Empiris Data
Petunjuk :
- Modul ini diberikan bersama file simulasi Ms. Excel
- Modul terdapat 4 bagian: A-D teori dan latihan yang dikerjakan selama praktikum bersama TA
(Teaching Assistant) dengan laptop masing-masing
- Bagian R (A dan B) adalah tugas yang harus dikerjakan kemudian di upload ke ecourse.
8. Grafik Radar
Grafik ini menggambarkan nilai deret data menggunakan sumber nilai yang ditarik dari pusat
diagram dan terpisah untuk setiap kategori. Fungsinya menunjukkan perubahan pada titik
pusat.
Ubah type data pada kolom Presentasi dengan mengacu pada hasil perhitungan jumlah
masing-masing kriteria dengan jumlah total seperti berikut.
2. Blok tabel seperti pada gambar berikut dengan blok Gender > Tekan CTRL > blok persentase
3. Klik insert.
4. Kemudian lihat bagian chart (atau klik chart), kemudian klik pie. Pilihlah jenis grafik pie yang
sesuai.
5. Klik Chart yang terbentuk, kemudian pilihlah format chart yang anda inginkan
Latihan di kelas praktikum :
1. Buatlah diagram lingkaran untuk pekerjaan wali mahasiswa dan interpretasikan
2. Buatlah diagram lingkaran untuk pendidikan wali mahasiswa dan interpretasikan
Untuk menampilkan statistik deskriptif terdapat formula-formula dasar pada Ms. Excel. Berikut Formula
untuk menampilkan 5 statistik penting penghasilan wali mahasiswa:
Minimum =MIN(F3:F32)
Maksimum =MAX(F3:F32)
Statistik Deskriptif
Rata-rata =AVERAGE(F3:F32)
Penghasilan Wali Mahasiswa
Standar Deviasi =STDEV(F3:F32)
Banyak data =COUNT(F3:F32)
Selain itu Add Ins ini dapat menampilkan statistik deskriptif data, dengan cara:
Tampilkan statistik deskriptif data penghasilan orang tua dan bandingkan dengan hasil sebelumnya.
D. Add Ins Ms. Excel Data Analysis untuk membuat Histogram dan Pareto
Terdapat Add ins bawaan Ms. Excel yang dapat digunakan untuk analisis data statistik. Namun, perlu
diaktifkan dengan Klik “File” > “Options” > “Add-Ins” > “Go” > centang “Analysis Toolpak”, “Analysis
Toolpak-VBA” dan “Solver Add-In” > klik OK
Jika berhasil muncul menu data analyst dan Solver pada “Data”
1500000
2500000
1000000
2000000
3000000
500000
Hasilnya akan muncul di sheet excel yang baru dengan mendefinisikan kembali Batas interval
sebagai berikut:
Batas Interval (Bin) Frequen Cumulative Batas Interval (Bin) Frequen Cumulative
Penghasilan cy % Penghasilan cy %
0-500000 1 3.33% 1500000 7 23.33%
500001-1000000 6 23.33% 2500000 7 46.67%
1000001-1500000 7 46.67% 1000000 6 66.67%
1500001-2000000 5 63.33% 2000000 5 83.33%
2000001-2500000 7 86.67% 3000000 4 96.67%
2500001-3000000 4 100.00% 500000 1 100.00%
More 0 100.00% More 0 100.00%
Jika kita hanya mencentang histogram, hasilnya adalah sebagai berikut:
Histogram
8 120.00%
7 100.00%
6
5 80.00%
4 60.00%
Frequency
3 40.00%
2 Cumulative %
1 20.00%
0 0.00%
1500000 2500000 1000000 2000000 3000000 500000 More
Batas Interval (Bin) Penghasilan
Latihan di kelas praktikum :
1. Cari referensi tentang pareto dan analisislah grafik penghasilan pareto orang tua mahasiswa di
atas
2. Buatlah histogram data umur baterai berikut sebagai distribusi peluang empiris (berdasarkan
data) kemudian jelaskan
Copy data batteray pada halaman 42 pdf (21 buku) dari ebook walpole
Merubah data text-to-columb pada Ms.Excel :Copy data dari text file > Data > Text to columb
Finish
Atur data ke bawah kemudian buat histogramnya dengan bin (batas interval) berselang 0.5.
Simpan data
Pengenalan R
1. Instal software R
2. Ketikkan sourcode berikut pada R command:
x <- c(1,2,3,4,5,6)
Kemudian pangil kembali dengan mengetikkan
x
Apa yang terjadi?
y <- rnorm(12)
Kemudian pangil kembali dengan mengetikkan
y
Apa yang terjadi?
z <- seq(-2, 2)
z
Apa yang terjadi?
w=c(1,2,3,4,5,6)
dim(w) <- c(2,3)
Kemudian pangil kembali dengan mengetikkan
w
Apa yang terjadi?
m
Apa yang terjadi?
A. Install package Rcmdr (Recomender) di R.
B. Tugas Praktikum:
Hasilnya seharusnya:
Min. :1.600
1st Qu.:3.100
Median :3.400
Mean :3.413
3rd Qu.:3.825
Max. :4.700
5. Membuat Grafik
Menggunakan GUI Rcmdr Bisa juga pakai Rcommand :
Referensi:
http://www.rizkyfkm.ml/2014/04/jenis-jenis-grafik-dan-kegunaannya.html?m=1
MODUL 2 PRAKTIKUM PROBSTAT SRJANA
PENGUJIAN HIPOTESIS
TUJUAN:
2.1 Memahami penggunaan menu-menu “add ins Excel” mengenai pengujian hipotesis (kecuali MR), (TB
tambah Matlab, SI+TI+TE tambah software R).
2.2 Menarik kesimpulan dengan membaca output hasil pengujian hipotesis (Kecuali MR).
Catatan: Modul ini menggunakan Excel 2010, Software R 3.4.1 dan Matlab 2015b
A. MENU DATA ANALYST DI EXCEL: Mengaktifkan Add Ins Ms. Excel untuk Data Analysis dan Solver
Terdapat Add ins bawaan Ms. Excel yang dapat digunakan untuk analisis data statistik. Namun, perlu
diaktifkan dengan Klik “File” > “Options” > “Add-Ins” > “Go” > centang “Analysis Toolpak”, “Analysis
Toolpak-VBA” dan “Solver Add-In” > klik OK
Jika berhasil muncul menu data analyst dan Solver pada “Data”
B. Pengujian Hipotesis (MR tidak usah dijelaskan)
n >= 30 atau ragam populasi
diketahui = uji Z
Satu Populasi
n < 30 dan ragam populasi tidak
diketahui = uji t
pengamatan berpasangan
(paired) = uji t 2 pop
Mobil Ban radial Ban biasa a. Lakukan pengujian hipotesis dengan excel
1 4.2 4.1 menggunakan alpha 5%
b. Bagaimana keputusannya jika alpha 1%?
2 4.7 4.9
3 6.6 6.2
4 7 6.9
5 6.7 6.8
6 4.5 4.4
7 5.7 5.7
8 6 5.8
9 7.4 6.9
10 4.9 4.7
11 6.1 6
12 5.2 4.9
Langkah pengerjaan:
i) Tentukan H0
ii) Tentukan H1
iii) Klik Data > Data analysis > sorot ke uji yang dimaksud
v) Analisis output
Judul t-Test: Paired Two Sample for Means
Radial Belted
Variabel Tires Tires
Rata-rata Mean 5.75 5.608
Ragam Variance 1.108 0.988
Banyak data Observations 12 12
Korelasi pearson Pearson Correlation 0.983
d0 Hypothesized Mean Difference 0
Derajat bebas (v) df 11
Statistik uji t Stat 2.484
P-value satu sisi kiri P(T<=t) one-tail 0.015
a. Karena p-value < alpha
Titik kritis satu sisi t Critical one-tail 1.796 (0.05) maka tolak Ho
P-value dua sisi P(T<=t) two-tail 0.030 b. Karena p-value > alpha
Titik kritis dua sisi t Critical two-tail 2.201 (0.01) maka tolak Ho
Tambahan TB
a. Buka Matlab
b. Import data
c.
d.
e. Cek data
f. Uji hipotesis
Sumber : https://www.mathworks.com/help/stats/ttest.html#btrj8o9-1
Tambahan SI TI TE
a. Buka software R
b. Input data dan ketik
Sumber: https://www.statmethods.net/stats/ttest.html
2. [Latihan] Sebuah penelitian dilakukan oleh Departemen Zoologi di Virginia Tech untuk
menentukan apakah ada perbedaan yang signifikan dalam kepadatan organisme di dua stasiun
berbeda yang terletak di Cedar Run, sebuah aliran sekunder di DAS Roanoke River drainase.
Limbah dari instalasi pengolahan limbah dan overflow dari kolam pengendali Federal Mogul
Corporation memasuki arus di dekat daerah huniannya. Data berikut hasil pengukuran
kepadatan, jumlah organisme per meter persegi, di dua stasiun pengumpul:
Tujuan:
1. Melakukan dan menarik kesimpulan mengenai Uji ANOVA untuk data percobaan
2. Melakukan dan menarik kesimpulan mengenai Uji Perbandingan Berganda
3. Melakukan dan menarik kesimpulan mengenai Uji Kesamaan Varians
4. Melakukan dan menarik kesimpulan mengenai Uji Normalitas
Software :
All: Microsoft Excel
TB menggunakan Matlab
Teori:
ANOVA (Analisis of Varians) dapat digunakan untuk menganalisis pengaruh perlakuan
dalam suatu percobaan. Percobaan statistika memiliki arti yang lebih luas yang berkaitan
dengan ruang sampel sedangkan percobaan yang dianalisis menggunakan ANOVA berkaitan
dengan bagaimana data respon (variabel yang diamati) bergantung pada beberapa level
perlakuan yang diberikan. Misalnya: pengaruh dosis pupuk terhadap hasil panen, pengaruh
algoritma terhadap kecepatan running program, pengaruh metode penjualan terhadap
pendapatan, dll. Jika tabel ANOVA menghasilkan keputusan tolak H0 maka seharusnya
dilakukan uji perbandingan sebagai uji lanjutan untuk mencari level perlakuan yang paling
optimum. Homogenitas/ kesamaan ragam dan normalitas data adalah asumsi dalam ANOVA
dan regresi,
Berbicara mengenai pengaruh, sebelumnya kita telah membahas regresi dimana bertujuan
untuk memodelkan pengaruh variabel-variabel prediktor terhadap respon. Perbedaan
mendasar data regresi dan rancangan percobaan/Design Experiment (DE) adalah pada DE
seluruh prediktor bersifat kategorik sedangkan prediktor pada regresi lebih bersifat
bebas (kategorik/numerik). Tujuan analisis regresi untuk memodelkan/prediksi sedangkan
ANOVA lebih kepada membandingkan dan mencari perlakuan yang paling optimal.
yij = akan diganti dengan data hasil panen (misalkan padi dalam ton) setiap hektar
sawah dengan i adalah level perlakuan. i=1,2,3 dan j adalah ulangan j=1,2,3.
Hipotesis:
H0: rata-rata hasil panen dengan semua dosis pupuk adalah sama ( )
H1: minimal satu rata-rata hasil panen dengan dosis pupuk tersebut berbeda dengan
yang lain ( )
H0 atau hipotesis nol di atas, dapat juga diartikan bahwa dosis pupuk tidak mempengaruhi
hasil panen.
H1 atau hipotesis alternatif di atas, dapat juga diartikan bahwa dosis pupuk mempengaruhi
hasil panen.
Praktikum:
1. (SI dan TI) Tuliskan cara melakukan penelitian, struktur data dan hipotesis pengaruh
algoritma terhadap kecepatan running program (banyak ulangan dan level perlakuan
bebas)
(MR dan TB) Tuliskan cara melakukan penelitian, struktur data dan hipotesis
pengaruh metode penjualan terhadap pendapatan (banyak ulangan dan level perlakuan
bebas)
2. (All) Ketikkan data dalam bentuk struktur data di Ms. Excel
e. Tuliskan hipotesis dan kesimpulan dari uji homogenitas ragam menggunakan uji
bartlet dengan mengetikkan di bawah ini
Sumber: http://psych.wisc.edu/moore/Rpdf/610-R3_post-hoc_one-way_betw.pdf
https://www.r-bloggers.com/one-way-analysis-of-variance-anova/
https://cran.r-project.org/web/packages/nortest/index.html
https://cran.r-project.org/web/packages/nortest/nortest.pdf
3. (TB) Input data nomor 2 pada Matlab
[c,m,h,gnames] = multcompare(stats)
d. Tuliskan hipotesis dan kesimpulan dari uji normalitas menggunakan Anderson Darling
dengan mengetikkan di bawah ini
[h,p] = adtest(y)
e. Tuliskan hipotesis dan kesimpulan dari uji homogenitas ragam menggunakan uji
bartlet dengan mengetikkan di bawah ini
Sumber:
https://www.mathworks.com/help/stats/anova1.html
https://www.mathworks.com/help/stats/multcompare.html#bur_iuv
https://www.mathworks.com/help/stats/adtest.html
https://www.mathworks.com/help/stats/vartestn.html
TUGAS
TUJUAN:
2.1 Melakukan fitting regresi (linier, polynomial, power, logistic, dll)
2.2 Melakukan analisis regresi add ins Excel
2.3 Melakuakn perhitungan manual estimasi parameter regresi dan korelasi
2.4 Membuat kesimpulan mengenai model regresi dengan membaca output regresi berganda
Mengaktifkan Add Ins Ms. Excel untuk Data Analysis dan Solver
Terdapat Add ins bawaan Ms. Excel yang dapat digunakan untuk analisis data statistik. Namun, perlu
diaktifkan dengan Klik “File” > “Options” > “Add-Ins” > “Go” > centang “Analysis Toolpak”, “Analysis
Toolpak-VBA” dan “Solver Add-In” > klik OK
Jika berhasil muncul menu data analyst dan Solver pada “Data”
A. Regresi
Terdapat beberapa bentuk regresi, diantaranya adalah linier, polynomial dan logistic. Masing-masing
regresi tersebut dapat diduga parameternya menggunakan OLS (ordinary least square) yang
menghasilkan rumus a dan b yang telah kita pelajari di kelas. Selain itu, untuk regresi berganda
(prediktor (X) lebih dari 1), kita dapat menggunakan rumus pendugaan OLS dalam bentuk matriks.
Inferensi regresi meliputi pengujian hipotesis apakah nilai-nilai yang kita dapatkan dari pendugaan OLS
benar-benar signifikan sehingga layak diinterpretasikan dalam model. Berikut analisis regresi yang dapat
kita lakukan dengan bantuan Ms. Excel
1. Fitting regresi
i) Blok data (predictor dan respon) > Insert > Scatter > Pilih chart paling awal
ii) Selanjutnya chart yang terbentuk seperti pada gambar di bagian kiri di bawah ini.
Untuk merubah layout chart: klik diagram yang sudah terbentuk > Design > Pilih Layout yang
diinginkan. Kemudian ubah nama axis title
iii) Selanjutnya anda dapat menambahkan judul dengan klik chart anda sampai aktif > klik
layout > chart title > pilih lokasi > tulis judul chart yang anda inginkan
Hasil chart adalah sbb:
60
50
40
30 P
20 Linear (P)
10
0
0 20 40 60 80 100 120
Volume (Km 3 )
iv) Untuk menampilkan persamaan regresi dan nilai koefisien determinasi, klik layout >
trendline > more trendline option
a. Linier
b. Eksponensial
c. Polinomial orde 3
ANOVA
MS
SS (sum (mean
square -> square->
df (derajat jumlah kuadrat Significance
bebas) kuadrat) tengah) F (F hitung) F (P-value)
Standard
Observation Predicted P Residuals Residuals Percentile P
1 63.377 1.323 0.432 10 7.8
2 52.820 -1.520 -0.496 30 25.9
3 42.263 -1.763 -0.575 50 40.5
4 21.149 4.751 1.551 70 51.3
5 10.592 -2.792 -0.911 90 64.7
Interpretasi: jika suatu benda tidak memiliki volum, tekanan yang terjadi adalah 116,162 atm. Jika
volume benda naik 1 meter kubik, maka tekanan berkurang 1,056 atm.
Interpretasi plot dan grafik yang terbentuk
0.5
0
0 20 40 60 80 100 120
V
60
40
P
P
20
Predicted P
0
0 50 100 150
V
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2
Sample Percentile
3. Manual Estimasi Regresi dengan Matriks (Excel )
matriks
vektor y 3 X 1 2
2 1 4
5 1 1
4 1 2
1 1 5
Xt 1 1 1 1 1
2 4 1 2 5
X Y
X Y X*Y kuadrat kuadrat
V P V*P V^2 P^2
1 50 64.7 3235 2500 4186.09
2 60 51.3 3078 3600 2631.69
3 70 40.5 2835 4900 1640.25
4 90 25.9 2331 8100 670.81
5 100 7.8 780 10000 60.84
korelasi -
-9079 9167.459 rumus 1 0.99035
1. Gunakan add ins dg : data analysis> correlation > input data, pastikan hasilnya sama
2. Tentukan korelasi dengan manual excel dan add ins data berikut:
PDRB
Observasi jumlah penduduk (x1),
(x2),
1 6719 2.9
2 6746 3.4
3 7993 2
4 7343 3.5
5 7136 3.9
6 7691 2.2
7 6925 2.5
8 6841 3
9 7969 3.4
10 6982 2.2
11 7005 3.9
12 7157 2.3
13 6942 3.8
14 6517 2.5
15 7633 3
16 7512 4.1
17 7265 2.6
18 7425 3.3
19 7059 2.5
20 7701 3.9
LATIHAN dan TUGAS LAPORAN:
Data:
Dalam file excel praktikum 4 bagian D, terdapat data:
jumlahpenduduk (x1),
PDRB (x2),
jumlah Pelanggan Listrik (x3),
factor beban (x4),
losses (x5), dan
penjualan listrik (x6).
konsumsi energi listrik (Electricity Consumption)