Statistika

Ganding Sitepu
g.sitepu@unhas.ac.id

Program Teknik Sistem Perkapalan

2019
Hipotesis
  Suatu pernyataan / anggapan yang mempunyai nilai
mungkin benar / salah atau suatu pernyataan /anggapan
yang mengandung nilai ketidakpastian

 Misalnya:
 Besok akan turun hujan  mungkin benar/salah
 Penggunaan pelumas merk A meningkatkan umur mesin  mungkin
benar/salah
 Motor diesel dengan Turbocharge lebih baik dari diesel tanpa
TurbochargeC  mungkin benar/salah
PROSEDUR PENGUJIAN HIPOTESA

Langkah 1. Merumuskan Hipotesa

(Hipotesa nol (H0) dan Hipotesa Alternatif (H1))

Langkah 2. Menentukan Taraf Nyata

(Probabilitas menolak hipotesa)

Langkah 3. Menentukan Uji statistik

(Alat uji statistik, uji Z, t, F, X2 dan lain-lain)

Langkah 4. Menentukan Daerah Keputusan

(Daerah di mana hipotesa nol diterima atau
ditolak))

Langkah 5. Mengambil Keputusan

Menolak H0 Menerima
Menolak H0
H1
4
 Tujuan pengujian

Satu Populasi Dua populasi

Nilai Satu Data saling Data

Tengah() Populasi (p) bebas berpasangan

2
1 - 2 p1 - p2 d
diketahui Tidak
diketahui
12 &
22 Tidak Uji z Uji t
Uji z Uji t Uji z diketahui
diketahui

12 &
Uji z 22
sama Tidak sama

Uji t Uji t
Formula 1 Formula 2
Uji-t

 untuk melakukan pengujian hipotesis yang datanya

berbentuk interval atau rasio.

 untuk satu sample dan

 untuk dua sampel.

ANALISIS UJI-t One-Sample
• Uji-t untuk satu sampel
merupakan prosedur uji-t untuk sampel tunggal jika
rata-rata suatu variabel tunggal dibandingkan
dengan suatu nilai kostanta tertentu (µ).
• Uji-t satu sampel ini biasanya digunakan pada
penelitian-penelitian yang bersifat eksperimental
tetapi dengan desain pre-eksperimental atau quasi-
eksperimen
Kriteria data:
1.Data kuantitatif (interval dan rasio)
2.Data berdistribusi normal
2. One Sample T Test (Uji Satu Sampel)
 Ciri-ciri uji one sample t test:
a. Level pengukuran data yaitu interval dan rasio;
b. Jumlah data minimal 30 sampel;
c. Ciri utama: terdapat nilai / angka pembanding;
d. Data berdistribusi normal.
2. One Sample T Test (Uji Satu Sampel)

 Contoh: Prodi TSP Unhas berhasil meluluskan 30

orang tahun 2018 dengan IP rerata 3,5. Peneliti ingin
mengetahui apakah keberhasilan Prodi TSP UH
berbeda signifikan dengan rata-rata capaian TSP Univ
lain.
 T Test
1. Paired Sample T Test (Uji Dua Sampel
Berpasangan)
 Satu kelompok dengan dua perlakuan berbeda
atau
 Membandingkan nilai rata-rata dua kelompok
berpasangan
1. Paired Sample T Test (Uji Dua Sampel
Berpasangan)
 Ciri-ciri uji paired sample t test:
a. Level pengukuran data yaitu interval dan rasio;
b. Jumlah data minimal 30 sampel;
c. Ciri utama: berasal dari 1 buah populasi yang sama
diberi 2 perlakuan yang berbeda dan mempunyai
hubungan;
d. Data berdistribusi normal.
Paired Sample T Test (Uji Dua Sampel
Berpasangan)
 Contoh Kemampuan mahasiswa peserta Sistem Transmisi
sebelum dan sesudah kunjungaan lapangan
Pre test Post test
Adi : 6 Adi : 8
Badu : 6 Kunjungan Badu : 9
Cecep : 5 Cecep : 8

 dibandingkan antara nilai sebelum dan sesudah pada

kelompok subjek yang sama
 Anova
(Analysis of Varians)

Analisis of variance atau ANOVA :

teknik analisis multivariate yang berfungsi untuk
membedakan rerata lebih dari dua kelompok data
dengan cara membandingkan variansinya.

Analisis varian termasuk dalam kategori statistik

parametrik.
 Untuk melakukan uji anova, harus dipenuhi
beberapa asumsi:
a. Sampel berasal dari kelompok yang independen;
b. Varian antar kelompok harus homogen;
c. Data masing- masing kelompok berdistribusi
normal.
1. One Way Anova (Anava Satu Jalur)
 Membandingkan lebih dari dua
kelompok. Atau
 Membandingkan nilai rata-rata beberapa
kelompok independen.
 Arah analisisnya pada satu arah yaitu
antar perlakuan.
1. One Way Anova (Anava Satu Jalur)
 Contoh: membandingkan kemampuan mahasiswa TSP tiga
periode (tiga kelompok independent)

Angk 2015 Angk 2016 Angk 2017

Adi Bona Iwan
Badu Budi Dini
Cecep Dono James
 Dibandingkan nilai peserta masing masing angk. (ketiganya
merupakan tiga kelompok subjek yg berbeda).
 Anova
(Analysis of Varians)

2. Two Way Anova (Anava Dua Jalur)

 Menguji hipotesis perbandingan lebih dari dua sampel
dan setiap sampel terdiri atas dua jenis atau lebih
secara bersama-sama .
 Pada ANAVA dua arah, selain variable yang diuji
perbedaan rata-ratanya, juga terdapat variable lain
yang menjadi kontrol terhadap perbedaan variable
bebas.
2. Two Way Anova (Anava Dua Jalur)

 Misalnya, jika kita menguji perbedaan antara

metode mengajar A, B dan C, maka setiap metode
melibatkan variable kontrol seperti jenis kelamin
ataupun IQ.
 Ilustrasi dalam bentuk tabel misalnya;
Pengertian signifikan

 Membandingkan nilai uji t hitung dengan uji t

table;
 Ketentuan menerima hipotesis nol jika nilai t hitung
lebih kecil dari t table atau
 Menolak hipotesis nol jika nilai t hitung lebih besar
dari t table.
Hipotesis Diterima?
 Alternative lain mengunakan nilai probabilitas dengan
membandingkan nilai kemaknaan yang diinginkan.

 Nilai kemaknaan yang biasa ada dalam statistic adalah

(0.01) atau (0.05) atau (0.1).

 Nilai kemaknaan yang dikenal adalah nilai alfa (α).

 Hipotesis nol diterima jika nilai probabilitas hitung (p)

lebih besar dari nilai kemaknaan (α).

 Hipotesis nol ditolak jika nilai probabilitas hitung lebih

kecil dari nilai kemaknaan (α).
Contoh kasus
 Penelitian untuk mengetahui perbedaan kemampuan
antara ST lulusan S1 dan lulusan D 3 dalam
melaksanakan Tugas perancangan.
Hasil penelitian
No S1 D3 No S1 D3 Teknik
Teknik Teknik Teknik
1 6 2 12 4 1
2 3 1 13 3 3
3 5 3 14 4 2
4 2 1 15 2 1
5 5 3 16 3 2
6 1 2 17 1 2
7 2 2 18 5 1
8 3 1 19 1
9 1 3 20 3
10 3 1 21 1
11 2 1 22 4
keterangan
 Keterangan
 N1 = 22 jumlah sampel S1
 X1 = 2.91 rerata nilai
 S12 =2.28 standar deviasi
 N2 =18.00
 X2 = 1.78
 S22 =0.65
Rumus t
X1  X 2
t
2 2
s1 s2

n1 n2
Langkah penyelesaian
 Menentukan hipotesis
 Menentukan standart penerimaan hipotesis

 Melakukan perhitungan

 Menarik kesimpulan

 Interpretasi data