Rata-rata dua populasi yang saling Rata-rata dua populasi yang saling
bebas (independent) berpasangan
Membandingkan
Variansi populasi
UJI HIPOTESIS RATA-RATA DUA POPULASI YANG
SALING BEBAS (INDEPENDENT)
Sampel Tujuan: Menguji hipotesis atau
membentuk interval konfidensi
Independen untuk perbedaan antara dua
rata-rata populasi μ1 – μ2
tidak diketahui,
asumsi
setara/sama
Estimasi titiknya:
tidak diketahui,
asumsi tidak
setara/ tidak X1 – X2
sama
UJI HIPOTESIS RATA-RATA DUA POPULASI YANG
SALING BEBAS (INDEPENDENT)
• Sumber data berbeda
Sampel
• Tidak terikat dan independen
Independen Sampel yang dipilih dari satu populasi tidak berpengaruh
pada sampel yang dipilih dari populasi lain
Uji hipotesis satu sisi Uji hipotesis satu sisi Uji hipotesis dua sisi
(Lower-tail test): (Upper-tail test): (Two-tail test):
a a a/2 a/2
Independen S =
2
(n1 − 1) + (n 2 − 1)
p
( X − X )− ( μ
tidak diketahui, Statistik hitung:
asumsi
− μ2 )
=
setara/sama 1 2 1
t STAT
1 1
tidak diketahui, S +
2
p
asumsi tidak
setara/ tidak n1 n 2
sama
Dimana tSTAT memiliki d.f. = (n1 + n2 – 2)
UJI HIPOTESIS UNTUK µ1 - µ2 DENGAN σ1 DAN
σ2 TIDAK DIKETAHUI DAN DIASUMSIKAN SAMA
Interval kepercayaan untuk
Sampel
μ1 – μ2 adalah:
Independen
tidak diketahui, (X 1 )
− X 2 ta/2 2
p
1 1
S +
asumsi n1 n 2
setara/sama
t STAT =
(X 1 )
− X 2 − (μ1 − μ 2 )
=
(3.27 − 2.53) − 0 = 2.040
1 1 1 1
S +
2
1.5021 +
21 25
p
n1 n 2
(n
S2 = 1
− 1)S1
2
+ (n 2 − 1)S 2
2
=
(21 − 1)1.302
+ (25 − 1)1.162
= 1.5021
(n1 − 1) + (n 2 − 1) (21 - 1) + ( 25 − 1)
P
CONTOH KASUS
Tolak H0 Tolak H0
= 2
1 2
tidak diketahui,
2 2
asumsi tidak S1
2
S2
setara/ tidak
n
sama 1 + n2
n1 − 1 n2 − 1
UJI HIPOTESIS RATA-RATA DUA
SAMPEL BERPASANGAN
UJI HIPOTESIS DUA SAMPEL
tidak diketahui,
diasumsikan sama
Sampel
independen
Rata-rata Tidak diketahui,
populasi diasumsikan tidak
sama
Sampel
berpasangan
Uji hipotesis dua Proporsi populasi
sampel
Variansi populasi
UJI HIPOTESIS RATA-RATA DUA POPULASI
BERPASANGAN
• Sampel berpasangan
Sampel • Pengamatan berulang (sebelum/sesudah)
Berpasangan
• Gunakan selisih antara nilai yang dipasangkan:
Di = X1i - X2i
• Asumsi:
Kedua populasi terdistribusi secara normal
Atau, jika tidak normal, gunakan sampel besar
UJI HIPOTESIS RATA-RATA DUA POPULASI
BERPASANGAN
Selisih data berpasangan: Di = X1i - X2i
Sampel
n
Berpasangan Estimasi titik selisih
data berpasangan: D i
D= i =1
n
Standar deviasi sampel: n
i
(D − D ) 2
SD = i =1
n−1
a a a/2 a/2
C.B. 6 4
T.F. 20 6
M.H. 3 2
R.K. 0 0
M.O. 4 0
CONTOH KASUS
Misalkan anda mengirimkan karyawan anda untuk mengikuti pelatihan
“customer service”. Apakah pelatihan ini mempengaruhi jumlah keluhan yang
masuk? Anda mengumpulkan data sebagai berikut:
Jumlah Keluhan: (2) - (1)
Karyawan Sebelum (1) Sesudah (2) Selisih, Di
σ 𝐷𝑖
ഥ=
𝐷 = −4.2
𝑛
C.B. 6 4 - 2
T.F. 20 6 -14
M.H. 3 2 - 1 ഥ
σ 𝐷𝑖 − 𝐷 2
R.K. 0 0 0 𝑆𝐷 =
𝑛−1
M.O. 4 0 - 4
-21 = 5.67
CONTOH KASUS
Apakah pelatihan membuat perbedaan dalam jumlah keluhan (pada tingkat
signifikansi 0.01)?
Tolak To
H0: μD = 0
H1: μD 0 a/2 a/2
- 4.604 4.604
a = .01 d.f. = n - 1 = 4 - 1.66
t0.005 = ± 4.604 Keputusan: Terima H0
(tstat tidak berada di area penolakan)
Statistik hitung:
Kesimpulan: Tidak ada bukti yang cukup
terdapat perubahan signifikan dalam
D − μD − 4.2 − 0
t STAT = = = −1.66 jumlah keluhan.
SD / n 5.67/ 5
UJI HIPOTESIS PROPORSI DUA
SAMPEL
UJI HIPOTESIS DUA SAMPEL
tidak diketahui,
diasumsikan sama
Sampel
independen
Tidak diketahui,
Rata-rata populasi diasumsikan tidak
sama
Sampel
berpasangan
Uji hipotesis dua Proporsi populasi
sampel
Variansi populasi
UJI HIPOTESIS DUA PROPORSI POPULASI
Tujuan: uji hipotesis atau bentuk interval kepercayaan
Proporsi untuk perbandingan antara dua proporsi populasi,
Populasi π1 – π2
X1 + X 2
p=
n1 + n 2
dimana X1 dan X2 adalah jumlah item yang diamati dalam sampel 1
dan 2
UJI HIPOTESIS DUA PROPORSI POPULASI
Uji Z untuk π1 – π2:
Proporsi
Populasi
Z STAT =
( p1 − p2 ) − ( π1 − π2 )
1 1
p (1 − p ) +
n1 n2
X1 + X 2 X1 X2
dimana p= , p1 = , p2 =
n1 + n2 n1 n2
UJI HIPOTESIS DUA PROPORSI POPULASI
Proporsi Populasi
a a a/2 a/2
Dalam sampel acak, 36 dari 72 laki-laki dan 35 dari 50 perempuan mengindikasikan bahwa
mereka memilih ‘ya’
X 1 + X 2 36 + 35 71
p= = = = 0 .582
n1 + n2 72 + 50 122
CONTOH KASUS
Tolak H0 Tolak H0
Uji Statistik untuk π1 – π2 :
.025 .025
( p1 − p2 ) − ( π1 − π 2 )
z STAT =
1 1
p ( 1 − p) + -1.96 1.96
n1 n2 -2.20
=
( .50 − .70) − ( 0) = − 2.20
1 1 Keputusan: Tolak H0
.582 ( 1 − .582 ) +
72 50 Kesimpulan: Terdapat bukti yang
menunjukkan perbedaan proporsi pemilih
“ya” antara pria dan wanita.
Nilai Kritis = ±1.96
Untuk a = .05
ESTIMASI INTERVAL KEPERCAYAAN UNTUK DUA
PROPORSI POPULASI
Interval kepercayaan untuk
Proporsi π1 – π2 adalah:
Populasi
p1 (1 − p1 ) p 2 (1 − p 2 )
( p1 − p 2 ) Za/2 +
n1 n2
UJI HIPOTESIS VARIANSI DUA
POPULASI
UJI HIPOTESIS DUA SAMPEL
tidak diketahui,
diasumsikan sama
Sampel
independen
Rata-rata Tidak diketahui,
populasi diasumsikan tidak
sama
Sampel
berpasangan
Uji hipotesis dua Proporsi populasi
sampel
Variansi populasi
UJI HIPOTESIS DUA VARIANSI POPULASI
Hipotesis FSTAT
2
H0: σ12 = σ22 H0: σ12 ≤ σ22 S 1
Variansi Populasi
H1: σ12 ≠ σ22 H1: σ12 > σ22 S 2
2
Dimana:
S12 = Variansi sampel 1 (nilai variansi yang lebih besar)
Uji F
n1 = Ukuran sampel 1
S 22 = Variansi sampel 2 (nilai variansi yang lebih kecil)
n2 = Ukuran sampel 2
n1 – 1 = numerator derajat kebebasan
n2 – 1 = denominator derajat kebebasan
DISTRIBUSI F
Nilai kritis F ditemukan dari tabel F
Ada dua derajat kebebasan (d.f) yang dibutuhkan : numerator dan denominator
Variansi sampel yang lebih besar selalu pembilangnya
S12
ketika FSTAT = 2 df1 = n1 – 1 ; df2 = n2 – 1
S2
Tabel F,
Numerator menentukan kolom
Denominator menentukan baris
MENEMUKAN WILAYAH PENOLAKAN
H0: σ12 = σ22 H0: σ12 ≤ σ22
H1: σ12 ≠ σ22 H1: σ12 > σ22
a/ F a
2
0 0
Terima H0 Tolak H0 Terima H0 Tolak H0 F
Fα/2 Fα
•Nilai Kritis:
• a = 0.05, a/2 = 0.025
• Numerator d.f. = n1 – 1 = 21 –1 = 20
• Denominator d.f. = n2 – 1 = 25 –1 = 24
S12 1.302
FSTAT = 2 = 2
= 1.256 a/2 = .025
S 2 1.16
0 F
Terima H0 Tolak H0
◼ FSTAT = 1.256 tidak berada pada area F0.025=2.33
penolakan, maka terima H0