INFERENSI DI SEKITAR MEAN, ELLIPSOID CONFIDENCE

Oleh:
Rana Anjani (21309251018)

Fajar Nur Wihandaru (21309251019)

Dosen Pengampu:

Prof. Dr. Dhoriva Urwatul Wustqa, M.S.

PROGRAM STUDI MAGISTER PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI YOGYAKARTA

2021
 Kata Pengantar

Puji Syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan karunianya, sehingga

kami dari kelompok 1 mata kuliah statistik dapat menyelesaikan tugas kelompok ini dengan

sebaik-baiknya. Tugas kelompok ini disusun sebagai salah satu syarat dalam menyelesaikan

tugas kelompok mata kuliah statistik. Demikian pula kami meminta maaf kepada para

pembaca dan kami menyadari bahwa dalam penulisan tugas kelompok ini masih banyak

kekeliruan dan kesalahan baik dari segi substansi maupun dari segi tata bahasa. Namun kami

tetap berharap penulisan tugas kelompok ini bermanfaat bagi para pembaca. Oleh karenanya,

kritik dan saran yang membangun sangat kami harapkan dengan harapan sebagai masukan

dalam perbaikan dan penyempurnaan pada tugas kelompok yang berikut-berikutnya. Untuk

itu kami ucapkan terimakasih.

Yogyakarta, 14 September 2020

Kelompok 1
 A. Multivariat Dari Uji Student’s 𝒕

Misal 𝑋𝑖~𝑖𝑖𝑑 𝑁(𝜇, ∑ )

 𝑋𝑖 = (𝑋𝑖1, … , 𝑋𝑖𝑝)′ adalah pengamatan ke−𝑖 pada vektor 𝑝 × 1

 𝜇 = (𝜇1, … , 𝜇𝑝)′ adalah adalah vektor rata-rata 𝑝 × 1
 ∑ = {𝜎𝑗𝑘} adalah matriks kovarians 𝑝 × 𝑝

Misal ∑ diketahui dan ingin menguji hipotesis

𝐻0:𝜇 = 𝜇0

𝐻1:𝜇 ≠ 𝜇0

dengan 𝜇0 adalah vektor yang ditentukan dalam hipotesis nol.

B. Statistik Uji Hotelling’s 𝑻𝟐

Hottelings 𝑇2 adalah perluasan multivariat dari statistik uji 𝑡 kuadrat.

𝑇2 = 𝑛 [𝑥̅ − 𝜇0]′𝑆−1 [𝑥̅ − 𝜇0]

Dengan :
1
 𝑥̅ = 𝑥 adalah vektor sampel rata-rata
∑𝑛
𝑛 𝑖=1 𝑖
𝑆
1 = ∑𝑛 (𝑥 − 𝑥̅)( − 𝑥̅)’ adalah matriks kovarian sampel

𝑥
𝑛−1 𝑖=1 𝑖 𝑖
1
 𝑆 adalah matriks kovarians sampel dari 𝑥̅
𝑛

Misal 𝑋 = {𝑥𝑖𝑗} menyatakan matriks data 𝑛 × 𝑝, maka dapat ditulis

1
 𝑥̅ =
∑𝑛 𝑥 = 𝑛−1𝑥′1
𝑛 𝑖=1 𝑖 𝑛
1
 𝑆
1 = − 𝑥̅)’ =
∑𝑛 (𝑥 −
𝑥
𝑥̅)( 𝑥′𝑐 𝑥 𝑐
𝑛−1 𝑖=1 𝑖 𝑖 n-1
 𝑥 = 𝑐𝑥 1 1
adalah matriks pusat
dengan
𝑐 𝐶 = 𝐼𝑛 − 𝑙𝑛 𝑙𝑛
𝑛
C. Inferensi dengan Hotteling’s 𝑻𝟐
Dibawah 𝐻0, Hotteling’s 𝑇2 mengikuti distribusi F
(𝑛−1)𝑝
𝑇 2~
𝐹 dengan menyatakan distribusi F dengan derajat bebas
𝐹
(𝑛−𝑝) 𝑎(𝑝,𝑛−𝑝 𝑎(𝑝,𝑛−𝑝)
)

pembilang p dan derajat bebas penyebut n-p

(𝑛−1)𝑝
 Hal ini berakibat bahwa 𝑎 = 𝑃 (𝑇 2 > 𝐹 )
(𝑛−𝑝) 𝑎(𝑝,𝑛−𝑝)

 𝐹𝑎(𝑝,𝑛−𝑝) menyatakan persentil ke 100α atas distribusi 𝐹𝑎(𝑝,𝑛−𝑝)

(𝑛−1)𝑝
Tolak hipotesis 0 jika 𝑇2 cukup besar yaitu 𝑇2 >
𝐹 dengan α adalah
(𝑛−𝑝 𝑎(𝑝,𝑛−𝑝)
)
level signifikansi dari uji ini.

D. Hotteling’s 𝑻𝟐 ke F
Statistik uji :
 Hotteling 𝑇 2
𝑇 2 = 𝑛(𝑥̅ − 𝜇0)′𝑆−1(𝑥̅ −
𝜇 0)

(𝑛−1)𝑝
Hotteling 𝑻𝟐 mengikuti distribusi F maka 𝑇2~ 𝐹
(𝑛−𝑝) 𝑎(𝑝,𝑛−𝑝)

 F
(𝑛 − 1)𝑝
𝐹2=
𝑇
(𝑛 − 𝑝)

E. Contoh
Sumber :
Efektifitas Pembelajaran Matematika dengan Strategi Heuristik dalam Pendekatan
Saintifik Ditinjau dari Kemampuan Berpikir Kritis dan Fleksibilitas Representasi
Matematis Siswa. Metia Novianti. Tesis. Universitas Negeri Yogyakarta 2019
Variabel terikat pada penelitian ini adalah kemampuan berpikir kritis siswa dan
fleksibilitas representasi matematis, sedangkan variabel bebas pada penelitian ini
adalah strategi heuristik dalam pendekatan saintifik. Penelitian ini bertujuan untuk
mengetahui efektivitas pembelajaran matematika dengan strategi heuristik dalam
pendekatan saintifik ditinjau dari kemampuan berpikir kritis dan fleksibilitas
representasi matematis.
 Siswa Hasil Berpikir Kritis Hasil Representasi Matematis
1 75 72,73
2 80 54,55
3 40 45,45
4 85 50
5 95 59,09
6 95 63,64
7 70 40,91
8 95 68,18
9 85 77,27
10 90 68,18
11 90 59,09
12 95 90,91
13 55 50
14 40 54,55
15 60 54,55
16 90 81,82
17 80 45,45
18 75 63,64
19 80 90,91
20 90 77,27
21 65 68,18
22 85 90,91
23 60 54,55
24 40 59,09
25 90 72,73
26 80 63,64
27 65 72,73
28 95 54,55
29 85 86,36

Jika matriks variansi dan kovariansi populasi tidak diketahui, bagaimana kesimpulan
penelitian tersebut? (α = 0,05)

F. Perhitungan Manual
1. Hipotesis Penelitian
 Pembelajaran dengan strategi heuristik dalam pendekatan saintifik efektif
terhadap nilai postes kemampuan berpikir kritis siswa
 Pembelajaran matematika dengan strategi heuristik dalam pendekatan saintifik
terhadap nilai postes fleksibilitas representasi matematis siswa
2. Uji Secara Multivariat
  Uji Hipotesis
𝜇1 65
𝐻0: [𝜇 ] = [ ]
𝜇12 60
65
𝐻1: [𝜇 ] ≠60[ ]
2
Dengan 𝜇1 rerata nilai postes kemampuan berpikir kritis dan 𝜇2 rerata nilai
postes fleksibilatas representasi matematis
 Taraf Signifikan
α=5%
 Statistik uji
(𝑛−𝑝)
𝐹= 𝑇2~𝐹 (𝑝, 𝑛 − 𝑝) dengan
(𝑛−1)𝑝

𝑇2 = 𝑛(𝑥̅ − 𝜇0)′𝑆−1(𝑥̅ − 𝜇0)

3. Komputasi
 Menghitung rata-rata data
𝑛
𝑥̅1 = 1 ∑ 𝑥1𝑗
� 𝑖=1

75 + 80 + 40 + ....+ 65 + 95 + 85
= 29
2230
=
29
= 76,89
𝑛
1
𝑥̅2 = ∑ 𝑥2𝑗
𝑛 𝑖=1
72,73 + 54,55 + 45,45 + . . . . + 72,73 + 54,55 + 86,36
=
29
1890,93
= = 65,20
29
Matriks Skor (X) Matriks Mean (𝑥̅)

75 72,73 76,89 65,20

80 54,55 76,89 65,20
40 45,45 76,89 65,20
85 50 76,89 65,20
95 59,09 76,89 65,20
95 63,64 76,89 65,20
70 40,91 76,89 65,20
95 68,18 76,89 65,20
85 77,27 76,89 65,20
90 68,18 76,89 65,20
90 59,09 76,89 65,20
95 90,91 76,89 65,20
55 50 76,89 65,20
40 54,55 76,89 65,20
60 54,55 76,89 65,20
90 81,82 76,89 65,20
80 45,45 76,89 65,20
75 63,64 76,89 65,20
80 90,91 76,89 65,20
90 77,27 76,89 65,20
65 68,18 76,89 65,20
85 90,91 76,89 65,20
60 54,55 76,89 65,20
40 59,09 76,89 65,20
90 72,73 76,89 65,20
80 63,64 76,89 65,20
65 72,73 76,89 65,20
95 54,55 76,89 65,20
85 86,36 76,89 65,20
Menentukan Xd = 𝑥 − 𝑥̅

-1,89 7,53
3,11 -10,65
-36,89 -19,75
8,11 -15,20
18,11 -6,11
18,11 -1,56
-6,89 -24,29
18,11 2,98
8,11 12,07
13,11 2,98
13,11 -6,11
18,11 25,71
-21,89 -15,20
-36,89 -10,65
-16,89 -10,65
13,11 16,62
3,11 -19,75
-1,89 -1,56
3,11 25,71
13,11 12,07
-11,89 2,98
8,11 25,71
-16,89 -10,65
-36,89 -6,11
13,11 7,53
3,11 -1,56
-11,89 7,53
18,11 -10,65
8,11 21,16
  Menentukan Matriks Transpose Xd
Xd’ =

-
3,11 -36,89 8,11 18,11 18,11 -6,89 18,11 8,11 13,11 13,11 18,11 -21,89 -36,89 -16,89 13,11 3,11 -1,89 3,11 13,11 -11,89 8,11 -16,89 -36,89 13,11 3,11 -11,89 18,11 8,11
1,89
7,53 -10,65 -19,75 -15,2 -6,11 -1,56 -24,29 2,98 12,07 2,98 -6,11 25,71 -15,2 -10,65 -10,65 16,62 -19,75 -1,56 25,71 12,07 2,98 25,71 -10,65 -6,11 7,53 -1,56 7,53 -10,65 21,16

 Menentukan Matriks SSCP

SSCP = Xd’. Xd =

8270,6909 2346,13
2346,13 5713,7147

 Menentukan Matriks Varian-Kovarians (S)

𝑆𝑆𝐶𝑃 8270,6909 2346,13 295,3818 83,7903
]=[ ]
𝑆 =1 =
[
𝑛 − 1 29 − 1 2346,13 5713,7174 83,7903 204,0612

 Invers Matriks S
1
𝑆 −1 = 204,0612 −83,7903
295,3818 × 204,0612 − 108,1187 × [−83,7903 295,3818 ]
108,1187
1
= 204,0612 −83,7903
48586,3112 [−83,7903 295,3818 ]
0,0041 −0,0017
= [−0,0017 0,0060 ]
  Menentukan 𝑇 2

𝑇2 = 𝑛(𝑥̅ − 𝜇0)′𝑆−1(𝑥̅ − 𝜇0)

0,0043 −0,0023 11,89

= 29 [11,89 5,20] −0,0023
[ 0,0062 ] [5,20 ]
11,89
= 29 [0,0237 0,0202] [ ]
5,20
= 29 (0,3868)
= 11,1882

 Menentukan F Hitung
(𝑛 −
𝑝) (29 − 11,1882 = 5,3943
𝐹= 𝑇2 =
2)
(𝑛 − (29 −
1)𝑝 1)2

 Daerah Kritis
𝐷𝐾 = {𝐹 | 𝐹 > 𝐹0,05;2;27} = {𝐹 | 𝐹 > 3,35} ; 𝐹 = 5,3943 ∈ 𝐷𝐾

4. Keputusan Uji: 𝑯𝟎 ditolak

5. Kesimpulan
Rata-rata nilai postes kemampuan berpikir kritis tidak sama dengan 65, dan rata-
rata nilai postes fleksibilitas representasi matematis tidak sama dengan 60.

G. Elipsoid Konfidensi
Secara geometris ditentukan oleh nilai eigen 𝜆𝑖 dan vektor eigen ternormalisasi 𝑒𝑖 dari
matriks kovarian S. Pusat elipsoid adalah 𝑥̅. Arah sumbu ditentukan oleh 𝑒𝑖 dan
panjang setengah sumbu elipsoid ditentukan oleh

(𝑛 − 1)𝑝
√𝜆𝑖 𝐹𝑝,𝑛−𝑝 (𝛼)
𝑛(𝑛 − 𝑝)
𝐻0 ditolak jika 𝜇0 terletak di luar elipsoid.
76,89
𝑥̅ = ] (pusat elipsoid)
[
65,20
282,1962 104,3915
𝑆 = [104,3915 197,0246]
nilai eigen dari matriks S: 𝜆1 = 127,4172 dan 𝜆2 = 352,6035
Panjang setengah sumbu elipsoid:
(𝑛 − 1)𝑝 (29 − 1)2
√ 𝜆1 𝐹𝑝,𝑛−𝑝(𝛼) = √127,4172 𝐹0,05; 2;27 = 5,8136
𝑛(𝑛 − 𝑝) 29(29 − 2)
(𝑛 − 1)𝑝 (29 − 1)2
√𝜆2 𝐹𝑝,𝑛−𝑝(𝛼) = √325,6035 𝐹0,05; 2;27 = 9,2935
𝑛(𝑛 − 𝑝) 29(29 − 2)

H. Interval Kepercayaan Bersama 𝑻𝟐

Karena 𝐻0 ditolak maka dilanjutkan dengan uji komponen vektor. Salah satunya
dengan interval kepercayaan sebagai berikut:

√(𝑛 − 1)𝑝 𝑠11 (𝑛 − 𝑠11

√1)𝑝
𝑥̅1 − 𝐹𝑝,𝑛−𝑝(𝛼)√ < 𝜇1 < 𝑥̅1 𝐹𝑝,𝑛−𝑝(𝛼)√
+
(𝑛 − 𝑝) 𝑛 (𝑛 − 𝑝) 𝑛
(29 − 282,1962 (29 − 1)2
1)2
 2 8 2, 1962
76,89 − √
(29 − 2) < 𝜇1 < 76,89 + √ 𝐹0,05;2;27√
29 (29 − 2) 29
𝐹0,05;2;27√

68,6673 < 𝜇1 < 85,1126

Karena 𝜇1 = 65 dan nilainya diluar interval tersebut maka 𝐻01 ditolak dan nilainya lebih
rendah dari nilai-nilai pada interval tersebut, disimpulkan bahwa strategi heuristik dalam
pendekatan saintifik efektif terhadap nilai postes kemampuan berpikir kritis siswa.

√(𝑛 − 1)𝑝 𝑠22 (𝑛 − 𝑠22

√1)𝑝
𝑥̅2 − 𝐹𝑝,𝑛−𝑝(𝛼)√ < 𝜇2 < 𝑥̅2 𝐹𝑝,𝑛−𝑝(𝛼)√
+
(𝑛 − 𝑝) 𝑛 (𝑛 − 𝑝 ) 𝑛
(29 − 197,0246 (29 − 197,0246
1)2 1)2
65,20 − √
(29 − 2) < 𝜇2 < 65,20 + √ 𝐹0,05;2;27√
29 (29 − 2) 29
𝐹0,05;2;27√

58,3293 < 𝜇2 < 72,0706

Karena 𝜇2 = 60 dan nilainya berada di interval tersebut maka 𝐻02 diterima, dan
disimpulkan bahwa strategi heuristik dalam pendekatan saintifik tidak efektif terhadap
nilai postes fleksibilitas representasi matematis siswa
I. Gambar Elipsoid dengan Interval Kepercayaan bersama dengan 𝑻𝟐

Pusat ellipsoid = (76,89 ,65,20)

𝐻0 ditolak jika 𝜇0 berada di luar ellipsoid. diperhatikan dalam gambar, 𝜇0’ = [65 60]
𝜇1 Jika65
berada di luar elipsoid sehingga 𝐻 : [ ] ditolak, artinya rata-rata kemampuan
0
𝜇 ] = [60
2
berpikir kritis tidak sama dengan 65 dan pada representasi matematis tidak sama dengan
60. Karena 𝜇1= 65 berada di luar interval antara 68,6673 dan 85,1126 maka 𝐻01 ditolak
dan disimpulkan bahwa strategi heuristik dalam pendekatan saintifik efektif terhadap
nilai postes kemampuan berpikir kritis siswa. Sebaliknya, karena 𝜇1 berada pada interval
antara 58,3293 dan 72,076 maka 𝐻02 diterima, dan disimpulkan bahwa strategi heuristik
dalam pendekatan saintifik tidak efektif terhadap nilai postes fleksibilitas representasi
matematis siswa.

J. Perhitungan Menggunakan SPSS

1. Buka program SPSS
2. Klik Variable View pada data editor
3. Pada kolom Name, baris pertama ketik variabel independen dan baris ketiga
ketik variabel dependen

4. Untuk kolom lainnya dibiarkan saja (default)

5. Klik pada “Data View” maka akan didapat kolom variabel yang kita tulis tadi

6. Pada kolom tersebut ketikkan semua data variabel sesuai dengan

penempatannya

7. Jika pengisian data sudah selesai, klik pada Analyze, lalu pilih General Linear
Model dan pilih Multivariat
 8. Input variabel-variabel X1 dan X2 ke Dependent Variable

9. Untuk menampilkan Descriptive Statistic, Estimates of Effect Size, dan

Homogenity Test, pilih Option lalu centang sesuai gambar di bawah ini

10. Lalu tekan Continue dan tekan Ok, maka hasil perhitungan akan muncul

K. Interpetasi Perhitungan SPSS

Pada tabel Multivariate tests hasil analisis menunjukkan bahwa nilai F untuk Pillae
Trace, Wilk Lambda, Hotelling Trace, Roy’s Largest Root menghasilkan angka 6,761.
Dengan (Sig) 0,004 < 0,05 sehingga 𝐻0 ditolak dan 𝐻1 diterima, atau dengan kata
lain variabel nilai kemampuan berpikir kritis dan representasi matematis menunjukkan
 perbedaan pada pendekatan yang digunakan. Artinya, terdapat perbedaan rata-rata
nilai postes kemampuan berpikir kritis dan rata-rata nilai postes kemampuan
representasi matematis antara siswa yang diberi strategi heuristik dalam pendekatan
saintifik.

Selanjutnya, berdasarkan table Tests of Between-Subjects Effects menunjukkan hasil

bahwa hubungan antara Pendekatan saintifik dengan strategi heuristik dengan nilai
postes kemampuan berpikir kritis menunjukkan F yaitu 13,895 dengan nilai Sig 0,001.
Hal ini menunjukkan bahwa terdapat perbedaan nilai postes kemampuan berpikir
kritis yang diakibatkan oleh perbedaan strategi pembelajaran. Selanjutnya hubungan
antara pendekatan saintifik dengan strategi heuristik dengan nilai postes fleksibilitas
representasi matematis diperoleh F yaitu 3,849 dengan signifikansi 0,060. Artinya,
terdapat perbedaan nilai pos tes kepercayaan diri yang diakibatkan oleh perbedaan
strategi pembelajaran.

L. Uji One Sample T Test

1. Untuk kemampuan berpikir kritis
Langkah-langkah pengujian menggunakan SPSS
Pada tabel One-Sample Statistics menunjukkan nilai statistik deskriptif, yaitu
N=29 artinya jumlah sampel sebanyak 29 siswa. Mean = 76,90 artinya nilai rata-
rata hitung adalah 76,90. Std. Deviation atau simpangan baku sebesar 17,187 dan
Std. Error Mean sebesar 3,191.
Pada tabel One-Sample Test diketahui nilai t adalah sebesar 24,094. Nilai df atau
derajat kebebasan adalah sebesar 28.
 Rumusan Hipotesis:
𝐻0 = rata-rata nilai postes kemampuan berpikir kritis sama dengan 65
𝐻1 = rata-rata nilai postes kemampuan berpikir kritis tidak sama dengan 65
 Dasar pengambilan keputusan uji one sample T test:
Jika nilai Sig (2 Tailed) < 0,05 maka 𝐻0 ditolak
Jika nilai Sig (2 Tailed) > 0,05 maka 𝐻1 ditolak
 Kesimpulan
Berdasarkan output tabel One Sample Test di atas , nilai sig adalah sebesar
0,000 < 0,05. Maka dapat disimpulkan bahwa nilai sig < 0,05 maka 𝐻0
ditolak dan 𝐻1 diterima. Artinya, rata-rata nilai pos tes kemampuan berpikir
kritis tidak sama dengan 65.
2. Untuk Fleksibilitas Representasi Matematis
Langkah-langkah pengujian menggunakan SPSS:

Pada tabel One-Sample Statistics menunjukkan nilai statistik deskriptif, yaitu

N=29 artinya jumlah sampel sebanyak 29 siswa. Mean = 65,2045 artinya nilai
rata-rata hitung adalah 65,2045. Std. Deviation atau simpangan baku sebesar
14,28500 dan Std. Error Mean sebesar 2,65266. Pada tabel One-Sample Test
diketahui nilai t adalah 24,581. Nilai df atau derajat kebebasan adalah sebesar 28.
  Rumusan Hipotesis:
𝐻0 = rata-rata nilai postes kemampuan representasi matematis sama dengan 65
𝐻1 = rata-rata nilai postes kemampuan representasi matematis tidak sama
dengan 65
 Dasar pengambilan keputusan uji one sample T test:
Jika nilai Sig (2 Tailed) < 0,05 maka 𝐻0 ditolak
Jika nilai Sig (2 Tailed) > 0,05 maka 𝐻1 ditolak
 Kesimpulan
Berdasarkan output tabel One Sample Test di atas , nilai sig adalah sebesar
0,000 < 0,05. Maka dapat disimpulkan bahwa nilai sig < 0,05 maka 𝐻0
ditolak dan 𝐻1 diterima. Artinya, rata-rata nilai pos tes kemampuan
representasi matematis tidak sama dengan 65.

M.Perhitungan Menggunakan R

Berikut adalah script input ke R:

> dat <- read.csv(file="D:/Data/statistik.csv",head=TRUE)
> View(dat)
> str(dat)
'data.frame': 29 obs. of 3 variables:
$ Kelas : chr "Pendekatan_Saintifik" "Pendekatan_Saintifik"
"Pendekatan_Saintifik" "Pendekatan_Saintifik" ...
$ Kemampuan_Berfikir_Kritis: num 75 80 40 85 95 95 70 95 85 90 ...
$ Representasi_Matematis : num 72.7 54.5 45.5 50 59.1 ...
> eksp <- subset(dat[,c("Kemampuan_Berfikir_Kritis","Representasi_Matematis")],
dat$Kelas=="Pendekatan_Saintifik")
> attach(eksp)
> X <- cbind(Kemampuan_Berfikir_Kritis,Representasi_Matematis)
> n <- nrow(X)
> n #29
[1] 29
> p <- ncol(X)
> p #2
[1] 2
> xbar <- colMeans(X)
> xbar
Kemampuan_Berfikir_Kritis Representasi_Matematis
75.86207 65.18241
> mu.null <- c(65,60)
> S <- cov(X)
>S
Kemampuan_Berfikir_Kritis Representasi_Matematis
Kemampuan_Berfikir_Kritis 287.62315 80.48356
Representasi_Matematis 80.48356 204.14686
> solve(S)
Kemampuan_Berfikir_Kritis Representasi_Matematis
Kemampuan_Berfikir_Kritis 0.003907883 -0.001540657
Representasi_Matematis -0.001540657 0.005505828
> T2 <- n*t (xbar-mu.null)%*%solve(S)%*%(xbar-mu.null)
> T2 <- as.numeric(T2)
> T2
[1] 12.6292
> qf(0.95,p,n-p)
[1] 3.354131
> crit <- (n-1)*p/(n-p)*qf(0.95,p,n-p)
> crit
[1] 6.956716
> p.value <- 1-pchisq(T2,p)
> p.value
[1] 0.001809693
> Fhit <- (n-p)*T2/((n-1)*p)
> Fhit
[1] 6.089077
> qf(0.95,p,n-p)
[1] 3.354131
> p.value.F<-1-pf(Fhit,df=p,df2=n-p)
 > p.value.F
[1] 0.006566248

Menggunakan ICSNP Package

> muH0 <- c(65,60)
> library(ICSNP)
Loading required package: mvtnorm
Loading required package: ICS
> HotellingsT2(X, mu=muH0,test="chi")

Hotelling's one sample T2-test

data: X
T.2 = 12.629, df = 2, p-value = 0.00181
alternative hypothesis: true location is not equal to c(65,60)

> HotellingsT2(X, mu=muH0,test="f")

Hotelling's one sample T2-test

data: X
T.2 = 6.0891, df1 = 2, df2 = 27, p-value = 0.006566
alternative hypothesis: true location is not equal to c(65,60)

N. Interval kepercayaan dengan T Benferroni

1. Rumus uji benferroni

𝑥 − t 𝑎 (n − 1)√S11 ≤ 𝜇 ≤ 𝑥 + t 𝑎 (n − 1)√S11
1 2p n 1 1
2p n

𝑥 − t 𝑎 (n − 1)√S22 ≤ 𝜇 ≤ 𝑥 + t 𝑎 (n − 1)√S22
2 2p n 1 2
2p n
𝑎 Spp 𝑎 Spp
𝑥 − t (n − 1)√ ≤ 𝜇 ≤ 𝑥 + t (n − 1)√
p
2p n 1 p
2p n

2. Perhitungan menggunakan R
> bon <- NULL

> alpha <- 0.05/(2*p)

> for (k in 1:p){

+ bon <- c(bon,

+ lower=xbar[k]-sqrt(S[k,k]/n)*qt(alpha, df=n-1),
upper=xbar[k]+sqrt(S[k,k]/n)*qt(alpha,df=n-1))

+}

> bon

lower.Kemampuan_Berfikir_Kritis

upper.Kemampuan_Berfikir_Kritis 83.32101

68.40312

lower.Representasi_Matematis upper.Representasi_Matematis

71.46642 58.89840