BAB I
PENDAHULUAN
ingin kita ketahui adalah rata-rata populasi μ1 untuk populasi 1, dan rata-rata
populasi μ2 untuk populasi 2, dengan pengujian yang bersifat dua sisi :
H0 : μ1 = μ2
H1 : μ1 ≠ μ2
Disini hipotesis nol menyatakan bahwa rata-rata kedua populasi itu sama,
sedangkan hipotesis tandingannya menyatakan bahwa rata-rata keduanya
tidak sama. Uji satu sisi yaitu
H0 : μ1 ≤ μ2
H1 : μ1 > μ2
Nilai kritis (critical value) suatu statistik uji adalah nilai yang begitu
ekstrim sehingga probabilitas untuk mendapatkan nilai tersebut atau yang
lebih ekstrem, bila H0 benar sama dengan α. Dengan demikian, kita boleh
menyatakan kaidah pengambilan keputusan menurut nilai-nilai kritis.
Skala-Skala Pengukuran
Ada empat macam skala pengukuran yaitu nominal, ordinal, interval
dan ratio.
- Skala nominal merupakan skala yang paling lemah diantara keempat
skala pengukuran. Sesuai dengan nama atau sebutannya, skala
nominal membedakan benda atau peristiwa yang satu dengan yang
lainnya berdasarkan nama (predikat).
6
dengan skala ratio yang tidak asing bagi kita misalnya adalah
pengukuran tinggi dan berat badan.
BAB II
PROSEDUR-PROSEDUR YANG MENGGUNAKAN DATA
DARI SEBUAH SAMPEL TUNGGAL
(k ) 0,5n
z , kemudian nilai z ini dibandingkan dengan tabel normal baku.
0,5 n
93,6 89,1 97,7 84,4 97,8 94,5 88,3 97,5 83,7 94,6 85,5 82,6
Gunakanlah uji tanda untuk sampel tunggal untuk melihat apakah para
peneliti itu boleh menyimpulkan pada taraf nyata 0,05 bahwa median skor
daya tahan hewan-hewan dengan elektroda-elektroda yang ditanam dalam
otak bagian depan kurang dari 97,5.
Jawab :
Hipotesis :
H0 : M ≥97,5
H1 : M < 97,5
Statistik uji :
Apabila kita menghitung keduabelas selisih Xi – 97,5 menggunakan
pengamatan-pengamatan dalam tabel 1. kita menemukan sembilan buah
selisih negative, dua selisih positif, dan sebuah selisih nol. Karena selisih
positif lebih sedikit disbanding selisih negative, maka nilai statistik uji disini
adalah k = 2, yaitu banyaknya selisih yang bertanda positif. Pengamatan
yang menghasilkan selisih nol dibuang, sehingga jumlah sampel yang
digunakan tinggal 11.
Keputusan :
Kita akan menolak H0 jika peluang untuk mendapatkan sebuah tanda plus
atau lebih sedikit, bila H0 benar kurang dari atau sama dengan 0,05. Bila kita
mengacu ke table Binomial dan melihat peluang bahwa
10
Asumsi-asumsi :
a. Sampel yang tersedia untuk analisis adalah sampel acak berukuran n dan
suatu populasi dengan median M yang belum diketahui.
b. Variabel yang kita minati kontinyu.
c. Populasi yang diambil sampelnya simetrik
11
Hipotesis :
A. H0 : M = M0 H1 : M ≠ M0
B. H0 : M ≤ M0 H1 : M > M0
C. H0 : M ≥ M0 H1 : M < M0
d. Jumlahkan semua angka peringkat yang bertanda positif, sebutlah ini T+.
Jumlahkan pula semua angka peringkat yang bertanda negative, sebutlah
ini T+.
e. Tentukan statistik uji T adalah nilai T+. atau T+.yang lebih kecil
diantaranya.
7 235,9 15 195,2
8 183,9
Hipotesis :
H0 : M ≤ 163,5
H1 : M > 163,5
Untuk taraf nyata dua-sisi α = 0,05 dan sampel berukuran n = 15, diperoleh
nilai tabel Wilcoxon sebesar 30. Oleh karena T= 3 < 30 maka Kita menolak
H0. Jadi, dapat disimpulkan bahwa median berat populasi yang sampelnya
kita ambil lebih besar dari 163,5 pounds.
Aproksimasi untuk sampel besar. Apabila n lebih besar dari 15, Gunakan uji
Z
T [n(n 1) / 4]
Z
n(n 1)(2n 1) / 24
fk
t t
2
48
Dan kita mengurangkan faktor ini terhadap besaran dibawah tanda akar.
Karena itu, bila kita menjumpai sejumlah angka sama, kita menggantikan
denominator pada statistik uji aproksimasi sampel-besar dengan
n(n 1)( 2n 1) t t
2
24 48
15
3. Uji Binomial
Uji binomial menguji hipotesis suatu proporsi populasi yang terdiri
atas dua kelompok kelas, misalnya kelas pria dan wanita, senior dan junior,
datanya berbentuk nominal dan ukuran sampelnya kecil. Distribusi binomial
adalah distribusi sampling dari proporsi-proporsi yang mungkin diamati
dalam sampel-sampel random yang ditarik dari populasi yang terdiri dari
dua kelas.
Andaikan pula bahwa p menyatakan proporsi unsur-unsur tipe A dalam
populasi itu dan 1-p = q menyatakan proporsi unsur-unsur tipe B. Jika kita
menarik sebuah sampel acak sederhana berukuran n dari populasi tersebut.
Rumus binomial memungkinkan kita menghitung peluang atau probabilitas
bahwa sampel itu berisi unsure tipe A (atau tipe B, kalau kita kehendaki)
dalam jumlah yang tertentu berdasarkan suatu asumsi. Kalau r kita nyatakan
sebagai jumlah unsure tipe A dalam sampel, maka kita menuliskan rumus
binomial untuk menentukan peluang P(r) bahwa r sama dengan bilangan
manapun yang lebih besar dari atau sama dengan nol sebagai
n
P(r ) p r q n r
r
Asumsi-asumi :
a. Data terdiri atas hasil-hasil percobaan Bernoulli yang diulang n kali.
Disini, masing-masing hasil percobaan akan berupa entah “keberhasilan”
atau “kegagalan”.
b. Ke-n percobaan itu bersifat independent
c. Peluang untuk memperoleh keberhasilan p, pada setiap percobaan tidak
berubah-ubah
16
Hipotesis-hipotesis :
Kita menggunakan p0 sebagai notasi untuk proporsi populasi yang
dihipotesiskan. Kita boleh menyatakan hipotesis-hipotesis sedemikian rupa
sehingga dapat digunakan baik untuk uji dua-sisi maupun salah satu dari uji
satu-sisi yang mungkin.
A. (Dua-sisi) : H 0 : p p 0 H 1 p p0
B. (Satu-sisi) : H 0 : p p 0 H 0 : p p0
C. (Satu-sisi) : H 0 : p p 0 H 0 : p p0
Statistik uji :
Karena perhatian kita tercurah pada banyaknya keberhasilan S, maka
statistik uji kita adalah S = banyaknya keberhasilan.
Teladan 3
Dilakukan penelitian untuk mengetahui kecenderungan masyarakat
dalam memilih perawatan kecantikan. Berdasarkan 20 anggota sampel yang
dipilih secara acak, ternyata 8 orang memilih perawatan kecantikan. Ujilah
bahwa peluang masyarakat dalam memilih perawatan kecantikan di salon
lebih kecil dari 0.5 dengan Taraf nyata yang digunakan adalah 1%.
Jawab
Hipotesis
H 0 : p 0,5 H 0 : p 0,5 (Hipotesis C)
dengan S = 8
Melalui tabel Binomial , n=20 dan p = 0,5
diperoleh nilai s sedemikian hingga P(r≤s) ~ 0.01 adalah 4. Oleh
karena S=lebih besar daripada s=4, keputusan tidak menolak Ho
Latihan : Dengan soal yang sama dengan di atas, tetapi bentuk hipotesis
adalah dua sisi
Aproksimasi bila sampel besar. Apabila n besar dan p tidak begitu dekat
dengan 0 atau 1, kita dapat mengetahui nilai kritis untuk s menggunakan
aproksimasi sampel-besar sebagai berikut ;
s np 0 z np 0 (1 p 0 )
Dalam tabel Normal Baku kita dapat menemukan nilai z, yakni nilai variabel
normal standar untuk α, taraf nyata yang telah dipilih.