LAPORAN STATISTIKA

ACARA VI

PERBANDINGAN DUA MEANS DAN PERBANDINGAN BEBERAPA

MEANS

Dosen Pengampu

Ike Sari Astuti, S.P, M.Nat.Res.St., Ph.D.

Disusun Oleh:

Kelompok 5

1. Bryant Putratama Pratikno (180722639561)

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.