Pengujian Perbedaan Rata‐rata Dua sampel saling bebas (Independent two
sample ) Penelitian eksperimen biasanya menggunakan dua sampel atau lebih sebagai objek
penelitiannya. Sampel-sampel tersebut dibandingkan untuk melihat ada-tidaknya perbedaan
setelah sampel-sampel tersebut diberi perlakuan berbeda. Untuk melihat ada-tidaknya
perbedaan, dilakukan uji perbedaan dua rata-rata.
Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya
perbedaan (kesamaan) rata antara dua buah data. Salah satu teknik analisis statistik untuk
menguji hipotesis dua rata-rata. Pengujian ini merupakanuji statistik parametrik yang tentu
saja harrus memenuhi asumsi:
Pertanyaanya bagaimana jika asumsi diatas tidak bisa terpenuhi? maka caranya yaitu
mengganti metode dari parametrik menjadi non-parametrik. untuk metode ini belum
dijelaskan atau belum dibuat. segeara akan dibuatkan untuk metode ini.
Hipotesis yang digunakan dalam Pengujian Perbedaan Rata‐rata Dua sampel saling
bebas ada 3 hampir sama dengan yang lainnya yaitu:
1. Hipotesis dua arah yaitu rata-rata antar kelompok sama
2. Hipotesis satu arah menganggap kelompok 1 lebih tinggi rata-ratanya dibandingkan
kelompok
3. Hipotesis satu arah yang menganggap kelompok 1 lebih kecil rata-ratanya dibandingkan
kelompok
Dalam Pengujian Perbedaan Rata‐rata Dua sampel saling bebas (Independent two
sample ) ada 4 jenis mencari statistik uji dari Pengujian Perbedaan Rata‐rata Dua sampel
saling bebas (Independent two sample):
Varians populasi diketahui: Cara ini dapat digunakan apabila kita mengetahui nilai
varians populasi itu sendiri.sehingga cara ini mungkin jarang digunakan karena untuk
mengetahui nilai populasi. berikut cara mencari z-hitung:
apabila kita tidak mengetahui nilai populasi khususnya simpangan baku maka kita bisa
menggunakan uji-t. dalam uji t ini dibagi menjadi tiga bagian.
Varians populasi tidak diketahui, ukuran sampel sama dan Varians diasumsikan sama
Cara ini dapat digunakan jika ukuran sampel (n) sama dan juga varians homogen/sama. ini
kadang diasumsikan untuk memecahkan masalah penelitian. berikut uji t yang digunakan:
dimana,
Sx1x2 disebut juga pool standar deviasi yang merupakan penggabungan dua standar deviasi.
pada t-hitung ini menggunakandegree of freedom dengan rumus 2n-2.
Varians populasi tidak diketahui, Ukuran sampel berbeda dan varians diasumsikan
sama.Walaupun varians homogen tapi ukuran sampel yang digunakan berbeda maka rumus di
atas tidak dapat digunakan. sehingga perlu menggunakan t-hitung yang baru sebagai berikut:
dimana,
dimana,
Pada kesempatan kali ini saya kembali memposting bahasan di bidang statistika, yaitu
mengenai uji hipotesis dari 2 rata-rata.
Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya perbedaan
(kesamaan) antara dua buah data. Salah satu teknik analisis statistik untuk menguji hipotesis
dua rata-rata ini ialah uji t (t test) karena rumus yang digunakan disebut rumus t. Rumus t
sendiri banyak ragamnya dan pemakaiannya disesuaikan dengan karakteristik kedua data
yang akan dibedakan. Ada beberapa persyaratan yang harus dipenuhi sebelum uji t dilakukan.
Persyaratannya adalah:
Data masing-masing berdistribusi normal
Data dipilih secara acak
Data masing-masing homogen
Pengujian Perbedaan Rata‐rata Dua sampel saling bebas (Independent two
sample ) Penelitian eksperimen biasanya menggunakan dua sampel atau lebih sebagai objek
penelitiannya. Sampel-sampel tersebut dibandingkan untuk melihat ada-tidaknya perbedaan
setelah sampel-sampel tersebut diberi perlakuan berbeda. Untuk melihat ada-tidaknya
perbedaan, dilakukan uji perbedaan dua rata-rata.
Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya
perbedaan (kesamaan) rata antara dua buah data. Salah satu teknik analisis statistik untuk
menguji hipotesis dua rata-rata. Pengujian ini merupakanuji statistik parametrik yang tentu
saja harrus memenuhi asumsi:
Pertanyaanya bagaimana jika asumsi diatas tidak bisa terpenuhi? maka caranya yaitu
mengganti metode dari parametrik menjadi non-parametrik. untuk metode ini belum
dijelaskan atau belum dibuat. segeara akan dibuatkan untuk metode ini.
Hipotesis yang digunakan dalam Pengujian Perbedaan Rata‐rata Dua sampel saling
bebas ada 3 hampir sama dengan yang lainnya yaitu:
1. Hipotesis dua arah yaitu rata-rata antar kelompok sama
2. Hipotesis satu arah menganggap kelompok 1 lebih tinggi rata-ratanya dibandingkan
kelompok
3. Hipotesis satu arah yang menganggap kelompok 1 lebih kecil rata-ratanya dibandingkan
kelompok
Dalam Pengujian Perbedaan Rata‐rata Dua sampel saling bebas (Independent two
sample ) ada 4 jenis mencari statistik uji dari Pengujian Perbedaan Rata‐rata Dua sampel
saling bebas (Independent two sample):
Varians populasi diketahui: Cara ini dapat digunakan apabila kita mengetahui nilai
varians populasi itu sendiri.sehingga cara ini mungkin jarang digunakan karena untuk
mengetahui nilai populasi. berikut cara mencari z-hitung:
apabila kita tidak mengetahui nilai populasi khususnya simpangan baku maka kita bisa
menggunakan uji-t. dalam uji t ini dibagi menjadi tiga bagian.
Varians populasi tidak diketahui, ukuran sampel sama dan Varians diasumsikan sama
Cara ini dapat digunakan jika ukuran sampel (n) sama dan juga varians homogen/sama. ini
kadang diasumsikan untuk memecahkan masalah penelitian. berikut uji t yang digunakan:
dimana,
Sx1x2 disebut juga pool standar deviasi yang merupakan penggabungan dua standar deviasi.
pada t-hitung ini menggunakandegree of freedom dengan rumus 2n-2.
Varians populasi tidak diketahui, Ukuran sampel berbeda dan varians diasumsikan
sama.Walaupun varians homogen tapi ukuran sampel yang digunakan berbeda maka rumus di
atas tidak dapat digunakan. sehingga perlu menggunakan t-hitung yang baru sebagai berikut:
dimana,
dimana,
Pada kesempatan kali ini saya kembali memposting bahasan di bidang statistika, yaitu
mengenai uji hipotesis dari 2 rata-rata.
Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya perbedaan
(kesamaan) antara dua buah data. Salah satu teknik analisis statistik untuk menguji hipotesis
dua rata-rata ini ialah uji t (t test) karena rumus yang digunakan disebut rumus t. Rumus t
sendiri banyak ragamnya dan pemakaiannya disesuaikan dengan karakteristik kedua data
yang akan dibedakan. Ada beberapa persyaratan yang harus dipenuhi sebelum uji t dilakukan.
Persyaratannya adalah:
Data masing-masing berdistribusi normal
Data dipilih secara acak
Data masing-masing homogen
Rumus di atas dapat digunakan ketika menuhi asumsi dimana populasi harus berdistribusi normal,
observasi sampel dilakukan secara independen, σ1 dan σ2 diketahui.
Kondisi kedua adalah uji beda rata-rata dimana nilai varians populasi tidak diketahui. Statistik uji yang
cocok digunakan adalah nilai t statistik dengan formula sebagai berikut:
(perbedaan mean harus berdistribusi normal) dan tidak diketahui or dengan ukuran sampel n < 30.
Z=
Contoh Kasus dalam pengerjaan pengujian signifikansi (hipotesis)
Suatu kegiatan penelitian eksperimental, telah berhasil menemukan metode “ABG” sebagai metode
baru untuk mengajarkan mata kuliah Statistika II. Dalam rangka uji coba terhadap efektifitas atau
keampuhan metode baru itu, dilaksanakan penelitian lanjutan dengan mengajukan Hipotesis Nol
(Nihil) yang mengatakan : Tidak terdapat perbedaan yang signifikan nilai Statistika II antara sebelum
dan sesudah di terapkannya metode “ABG” sebagai metode mengajar mahasiswa UIB sem 6. Dalam
rangka pengujian ini diambil sampel sebanyak 20 mahasiswa. Gunakan taraf kepercayaan 95 %
(alfa=5% ) untuk menguji pernyataan (Hipotesis) tersebut.
Nilai Statistika II
Nam
Sebelu Sesuda
a
m h
A 78 75
B 60 68
C 55 59
D 70 71
E 57 63
F 49 54
G 68 66
H 70 74
I 81 89
J 30 33
K 55 51
L 40 50
M 63 68
N 85 83
O 70 77
P 62 69
Q 58 73
R 65 65
S 75 76
T 69 86
Menghitung t hitung:
Prinsip dari metode ini adalah “pemaruhan” (nilai rata-rata) dari nilai estimasi akar suatu
Persamaan Aljabar Non-Linier Tunggal
Metode ini pada umumnya memerlukan 2 (dua) buah tebakan untuk harga-harga x-
awal (x0 dan
Prinsip Utama Metode Biseksi Sebagai Berikut:
1) Menggunakan dua buah nilai awal untuk mengurung salah satu/ lebih akar persamaan non
linier.
2) Nilai akarnya diduga melalui nilai tengah antara dua nilai awal yang ada.
Untuk menggunakan metode bisection, terlebih dahulu ditentukan batas bawah (a) dan batas
atas (b). Kemudian dihitung nilai tengah: Dari nilai x ini perlu dilakukan pengecekan
keberadaan akar. Secara matematik, suatu range terdapat akar persamaan bila f(a) dan f(b)
berlawanan tanda. Setelah diketahui dibagian mana yang terdapat akar, maka batas bawah
dan batas atas di perbaharui sesuai dengan range dari bagian yang mempunyai akar.
Batasan a dan b memberikan harga bagi fungsi f(x) untuk x = a dan x = b. Langkah
selanjutnya adalah memeriksa apakah f(a) × f(b) < 0.
Dengan rumusan c = (a+b)/2, diperiksa apakah nilai mutlak f(c ) < 0 (batas simpangan
kesalahan). Jika benar, nilai x = c adalah solusi yang dicari. Jika tidak terpenuhi, ditetapkan
batasan baru dengan mengganti nilai b = c
apabila f(a)*f(c) = 0; proses menemukan c baru dilakukan seperti prosedur yang telah
dijelaskan.
Contoh soal :
Jawab:
Misalkan f(x) = 2 – x2.
Maka: f(1)=1 dan f(2)=2.
Jadi akar terletak antara x1= 1 dan x2= 2.
Titik tengah xn = ((x_1+x_2)/2)
= ( (1+2) / 2 )
= 3/2 = 1,5
f(x_n ) = 2 - (x_n )^2
f(1,5) = 2 - (1,5)^2
=2-2,25
=-0,25
Kesimpulan:
Dengan menggunakan metode biseksi dengan tolerasi error 0.001 dibutuhkan10 iterasi,
semakin teliti (kecil toleransi errornya) maka semakin besar jumlah iterasi yang dibutuhkan.
Rumus di atas dapat digunakan ketika menuhi asumsi dimana populasi harus berdistribusi normal,
observasi sampel dilakukan secara independen, σ1 dan σ2 diketahui.
Kondisi kedua adalah uji beda rata-rata dimana nilai varians populasi tidak diketahui. Statistik uji yang
cocok digunakan adalah nilai t statistik dengan formula sebagai berikut:
(perbedaan mean harus berdistribusi normal) dan tidak diketahui or dengan ukuran sampel n < 30.
Z=
Suatu kegiatan penelitian eksperimental, telah berhasil menemukan metode “ABG” sebagai metode
baru untuk mengajarkan mata kuliah Statistika II. Dalam rangka uji coba terhadap efektifitas atau
keampuhan metode baru itu, dilaksanakan penelitian lanjutan dengan mengajukan Hipotesis Nol
(Nihil) yang mengatakan : Tidak terdapat perbedaan yang signifikan nilai Statistika II antara sebelum
dan sesudah di terapkannya metode “ABG” sebagai metode mengajar mahasiswa UIB sem 6. Dalam
rangka pengujian ini diambil sampel sebanyak 20 mahasiswa. Gunakan taraf kepercayaan 95 %
(alfa=5% ) untuk menguji pernyataan (Hipotesis) tersebut.
Menghitung t hitung:
Prinsip dari metode ini adalah “pemaruhan” (nilai rata-rata) dari nilai estimasi akar suatu
Persamaan Aljabar Non-Linier Tunggal
Metode ini pada umumnya memerlukan 2 (dua) buah tebakan untuk harga-harga x-
awal (x0 dan
Prinsip Utama Metode Biseksi Sebagai Berikut:
1) Menggunakan dua buah nilai awal untuk mengurung salah satu/ lebih akar persamaan non
linier.
2) Nilai akarnya diduga melalui nilai tengah antara dua nilai awal yang ada.
Untuk menggunakan metode bisection, terlebih dahulu ditentukan batas bawah (a) dan batas
atas (b). Kemudian dihitung nilai tengah: Dari nilai x ini perlu dilakukan pengecekan
keberadaan akar. Secara matematik, suatu range terdapat akar persamaan bila f(a) dan f(b)
berlawanan tanda. Setelah diketahui dibagian mana yang terdapat akar, maka batas bawah
dan batas atas di perbaharui sesuai dengan range dari bagian yang mempunyai akar.
Batasan a dan b memberikan harga bagi fungsi f(x) untuk x = a dan x = b. Langkah
selanjutnya adalah memeriksa apakah f(a) × f(b) < 0.
Dengan rumusan c = (a+b)/2, diperiksa apakah nilai mutlak f(c ) < 0 (batas simpangan
kesalahan). Jika benar, nilai x = c adalah solusi yang dicari. Jika tidak terpenuhi, ditetapkan
batasan baru dengan mengganti nilai b = c
apabila f(a)*f(c) = 0; proses menemukan c baru dilakukan seperti prosedur yang telah
dijelaskan.
Contoh soal :
Jawab:
Misalkan f(x) = 2 – x2.
Maka: f(1)=1 dan f(2)=2.
Jadi akar terletak antara x1= 1 dan x2= 2.
Titik tengah xn = ((x_1+x_2)/2)
= ( (1+2) / 2 )
= 3/2 = 1,5
f(x_n ) = 2 - (x_n )^2
f(1,5) = 2 - (1,5)^2
=2-2,25
=-0,25
Kesimpulan:
Dengan menggunakan metode biseksi dengan tolerasi error 0.001 dibutuhkan10 iterasi,
semakin teliti (kecil toleransi errornya) maka semakin besar jumlah iterasi yang dibutuhkan.