2. Muhammad Fajar aprizal (190722638019) 3. Muhammad Rayhan Pratama (190722638006) Offering/Tahun : H/2019 Asisten Praktikum : Imam Abdul Gani Alfarizi
PROGRAM STUDI S1 GEOGRAFI
JURUSAN GEOGRAFI FAKULTAS ILMU SOSIAL UNIVERSITAS NEGERI MALANG 2020 ACARA VI PERBANDINGAN DUA MEANS DAN PERBANDINGAN BEBERAPA MEANS A. TUJUAN 1. Pratikan mampu melakukan instalasi paket/packages software R. 2. Pratikan mampu melakukan perbandingan dua means menggunakan metode Independent T-Test. 3. Praktikan mampu melakukan perbandingan dua means menggunakan meotede Dependent T-Test. 4. Praktikan mampu melakukan perbandingan beberapa means menggunakan metode One Way ANOVA. 5. Praktikan mampu melakukan Post-Hoc Test (Uji Lanjut) terhadap perbandingan menggunakan metode One Way ANOVA yang telah dilakukan. B. DASAR TEORI 1. Instalasi Paket Salah satu alasan R menjadi sangat popular adalah ketersediaan paket/packages (kumpulan fungsi, data, dan kode) R. Hingga saat ini, ada lebih dari 6 (enam) ribu paket/packages R yang tersedia pada repository CRAN. Paket/packages tersebut belum termasuk paket/packages yang disediakan sumber lain. Jumlah paket tersbut terus tumbuh dari hari ke hari secara eksponensial. Pada saat melakukan instal R untuk pertama kali, hanya terdapat beberapa paket/packages yang ikut terinstal secara otomatis. Sehingga paket/packages lainnya harus diinstal secara manual untuk bisa digunakan. Ada beberapa metode yang bisa dilakukan untuk menginstal paket/packages R secara manual yaitu: 1) Menginstal R package dari lokal, 2) Menginstal R package langsung dari CRAN repository, dan 3) Menginstal R package dari GitHub. 2. Independent T-Test Independent sampel t-test merupakan uji T untuk dua kelompok sampel yang saling bebas (independent) dengan cara membandingkan rata-rata dua kelompok tersebut. Dua kelompok sampel bebas yang dimaksud adalah dua kelompok yang tidak berpasangan, artiya sumber data berasal dari populasi yang berbeda. Sehingga apabila terdapat regu A dan regu B, maka responden dalam regu A dan regu B adalah 2 (dua) kelompok yang populasinya berbeda. Data yang dapat dilakukan proses Independent Sampel T-Test harus memenuhi beberapa syarat yakni: a. Data yang diuji bersekala interval atau rasio b. Data berdistribu normal c. Data untuk dua sampel bersifat independen/bebas Pengambilak keputusannya dilakukan dengan cara membandingkan nilai t hitung dengan tabel dengan ketentuan: a. Jika ± t hitung < ± t tabel, maka H0 diterima dan Ha ditolak 75 b. Jika ± t hitung > ± t tabel, maka H0 ditolak dan Ha diterima Selain itu, pengambilak keputusan juga dapat dilihat dari taraf siginifikan p (Sig(2-tailed)): a. Jika p > 0,05 maka H0 diterima b. Jika p < 0,05 maka Ho ditolak 3. Dependent T-Test Dependent T-Test adalah pengujian yang mana tidak adanya perbedaan yang signifikan antara nilai variabel dari dua sampel yang berpasangan atau berkolerasi. Fungsi dari Dependent T-Test adalah membandingkan rata-rata dari dua grup yang saling berpasangan. Sampel berpasangan yang dimaksud dapat diartikan sebagai sebuah sampel dengan subjek yang sama namun mengalami 2 (dua) perlakuan atau pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah dilakuan sebuah perlakuan. Syarat jenis uji Dependent T-Test antara lain: a. Data berdistribusi norma b. Kedua kelompok data adalah dependen (saling berhubungan /berpasangan) c. Jenis data yang digunakan adalah numeric dan ketergorik (dua kelompok) Berikut rumus yang digunakan untuk melakukan uji Dependent T-Test: Statistik hitung (t hitung): Di mana:
Keterangan:
D = selisih x1 dan x2 (x1-x2)
n = jumlah Sampel X bar = Rata-rata Sd = Standar Devisa dari d. Menurut Ratih (2014), langkah-langkah pengujian siginikansi (hipotesis) dalam pengujian perbedaan rata-rata dua keompok berpasangan adalah sebagai berikut: a. Menetapkan H0 dan HI. b. Menetapkan titik kritis (tingkat kepercayaan 95%) atau (tingkat kepercayaan 99%) yang terdapat pada tabel “t”. c. Menentukan daerah kritis, dengan db – n-1. d. Menentukan t hitung dengan menggunakan rumus. e. Melakukan uji signifikansi membandingkan besarnya “t” hitung dengan “t” tabel. 4. One way ANOVA Uji satu arah ANOVA (Analysis of Variance) atau yang sering disebut One Way ANOVA adalah salah satu uji parametik yang dapat digunakan untuk membandingkan mean dari tiga atau lebih kelompok. Meskipun ANOVA mengandung kata varians, tetapi tujuan dari pengujian ini adalah untuk membandingkan nilai mean antara 1 (satu) grup dengan grup lainnya. Istilah varians dalam ANOVA merujuk pada metode yang dilakukan untuk menguji apakah terdapat perbedaan mean tiga kelompok atau lebih dengan membandingkan nilai varians antara kelompok tersebut. Ada beberapa asumsi yang harus dipenuhi pada proses One Way ANOVA yaitu: a. Data pada setiap kelompok berdistribusi normal. b. Setiap kelompok observasi saling bebas. c. Nilai varians pada setiap kelompok harus sama atau homogen. Inti dari metode ANOVA adalah fakta bahwa varians dapat dipartisi atau dipecah. Varians merrupakan sum of squared (SS) atau jumlah kuadrat penyimpangan dari rata-rata keseluruhan yang dibagi dengan n-1 (n = ukuran sampel). Varians total dapat dipartisi ke dalam komponen yang disebabkan kesalahan acak yang sesungguhnya (withein-group) dan komponen yang disebabkan perbadaan rata-rata (between-group). Hipoteses nol dari ANOVA adalah tidak terdapat perbedaan rata-rata antra kelompok dalam populasi. Oleh karena itu, di bawah hipotesisi nol, varians yang diestimasi berdasarkan variablilitas within-group harus mendekati/sama dengan varians karena variabilitas between-group. Dapat pula membandingkan dua estimasi varians memalui uji F, yang menguji apakah rasio dari kedua estimasi varians tersebut secara siginifikan lebih besar dari 1. 5. Post Hoc Test Dalam pengujian ANAVA, dapat dilakukan penarikan kesimpulan apakah menerima atau menolak hipotesis. Jika menolak hipotesis, artinya dari varibel-variael yang di uji terdapat perbedaan yang siginifikan. Sebagai contoh: saat menguji 4 metode, dan didapatkan kesimpulan bahwa ada perbedaan dari keempat metode tersebut. Akan tetapi tidak diketahui, metode manakah yang berbeda. Secara statistik, tidak bisa mengatakan bahwa yang terbaik hanya dengan memperhatikan rata-rata dari setiap metode tersebut. Untuk menjawab pertanyaan metode manakah yang berbeda, maka statistic memiliki teknik Post Hoc Test untuk mengetahui, variabel manakah yang memiliki perbedaan yang signifikan. Ada banyak metode yang ada. Di SPSS ada banyak teknik Post Hoc. Diantaranya jika asumsi homogenitas varian terpenuhi, maka teknik yang bisa dipergunakan adalah: LSD (least square differences), Tukey, Bonferoni, Duncan, scheffe dan lain sebagainya. Dan jika tidak ada asumsi homogenitas varian, maka teknik yang bisa dipergunakan adalah tamhane T2, dunnett’s T3, games-howell dan dunnett’s C. Jika jumlah n setiap variabel sama, maka teknik yang bisa digunakan adalah LSD, student Newman-Keuls (SNK) dan Tukey. Akan tetapi jika jumlah n tiap variabel tidak sama, maka kita bisa menggunakan teknik scheffe. Untuk membicarakan setiap teknik itu, akan sangat membutuhkan waktu yang lama. Karena itu pada kesempatan ini saya hanya akan membahas salah satu teknik saja secara manual yaitu teknik Tukey. Teknik Tukey juga biasa disebut dengan HSD (honestly Significant difference). Untuk melakukan teknik ini, kita memerlukan salah satu test statistic yaitu Q yang dianalogikan dari statistik-t yang didefinisikan secara matematis:
C. ALAT DAN BAHAN
1. Laptop 2. Software RStudio 3. R Commander 4. Data perbandingan Dua Means dan Beberapa Means D. LANGKAH KERJA A. Instalasi Paket 1. Langkah pertama yag harus dilakukan sebelum melakukan perbandingan dua menas adalah dengan menginstal beberapa paket, seperti “pastecs”, “ggplot2”, “WRS”. 2. Load paket
B. Independent t-test (Uji t sampel saling bebas)
1. Buka software R, masukan data yang akan digunakan untuk uji t-test 2. Load data yang telah di input
C. Independent t-test menggunakan R commander
1. Load paket menggunakan R commander 2. Import data yang akan digunakan dalam independent t-test 3. Lakukan uji normalitas
4. Lakukan uji independent t-test
D. Independent t-test menggunakan software R 1. Input data file “SpiderLong.dat” 2. Lakukan uji normalitas
3. Lakukan independent t-test dengan menggunakan perintah tertentu
pada kotak console 4. Load hasil uji independent t-test
E. Dependent t-test (Uji t berpasangan)
1. Buka software R dan masukkan data yang akan digunakan untuk uji t- test 2. Load data yang telah di input
F. Dependent t-test menggunakan R commander
1. Load paket R commander 2. Import data yang akan digunakan dalam dependent t-test 3. Lakukan uji normalitas untuk data spiderWide
4. Lakukan uji independent t-test
G. Dependent t-test menggunakan software R 1. Input data file “spiderwide.dat” 2. Karena data sudah terdistribusi normal, maka lakukan dependent t-test dengan menggunakan perintah tertentu pada kotak console 3. Load hasil uji dependent t-test
H. Instalasi paket one way ANOVA
1. Langkah pertama yang harus dilakukan sebelum melakukan perbandingan beberapa means adalah dengan menginstal beberapa paket, seperti “car”, “compute.es”, “ggplot2”, “multicomp”, “pastecs”, “WRS” 2. Load paket I. Entering data one way ANOVA 1. Langkah pertama yang harus dilakukan sebelum melakukan uji one way ANOVA, adalah dengan membuat data frame baru berisi data yang akan digunakan 2. Load data frame
J. One way ANOVA menggunakan R commander
1. Buka paket R commander
2. Import data “Viagra.dat”
3. Convert variabel dose pada data kedalam sebuah faktor
4. Lakukan uji normalitas
5. Lakukan tes Levens’s untuk mengetahui homogenitas
6. Lakukan uji One way ANOVA E. HASIL PRAKTIKUM a. Uji normalitas spiderlong
b. Hasil uji Independent t-test spiderlong
c. Uji normalitas spiderwide
d. Hasil dependent t-test spiderwide
e. Hasil uji normalitas one way ANOVA
f. Hasil tes Leavens’s homogenitas
g. Hasil uji one way ANOVA h. PEMBAHASAN i. KESIMPULAN j. DAFTAR PUSTAKA Ayunita, dian. 2016. Modul Pratikum II Mata Kuliah Statistika Terapan. Semarang. Fakultas Perikanan Dan Ilmu Kelatuan Universitas Diponogoro. Muhson, Ali. 2016. Pedoman Pratikum Analsisi Statistika. Yogyakarta. Fakultas Ekonomi Universitas Negeri Yogyakarta. Sholihah, Ina. Dkk. 2014. Makala Statistik Lanjtu: T-Test Dependent. Surakarata. Program Studi Ilmu Gisi Fakultas Ilmu Kesehatan Universitas Muhammadiyah Surakarta.