2.
3. Ha two tail
PENGERTIAN
→ p-value 2x lebih besar dibanding one tail
→ menggabungkan/menghubungkan 2 fenomena
→ untuk menguji apakah hipotesis terbukti/tidak
→ menggunakan “data sampel” Kesalahan Penyimpulan
1. Tipe I (α) → CI
Signifikan
→ hasil : ada perbedaan
1. Substansi → di populasi : tidak ada perbedaan
→ besarnya perbedaan 2 kelompok yg diuji, → (1-α) : tk.kepercayaan : probabilitas utk
biasanya eksperimen tdk membuat kesalahan jenis pertama
2. Statistik
→ menggunakan uji statistic, hasilnya berupa p- 2. Tipe II (β)
value → hasil : tidak ada perbedaan
Lebih dipercayai : signifikan substansi → di populasi : ada perbedaan
→ (1-β) : tk.kekuatan uji :probabilitas utk tdk
Langkah Uji Hipotesis membuat kesalahan jenis kedua
1. Menetapkan hipotesis
Ho → tidak ada perbedaan/hubungan Jenis Uji Statistik
Ha → ada perbedaan/hubungan
- one tail → “lebih” A. Beda Mean 1 Sampel
- two tail → “ada perbedaan” → pembanding : populasi
→ menguji rata-rata sampel (survei) dan data
2. Menetapkan uji statistic
di populasi (laporan data sebelumnya)
- Parametric : Uji T, ANOVA
1. Bila σ diketahui
- Non parametric : Wilcoxon, Mann Whitney
→ uji Z
3. Perhitungan uji statistic
Xb − µ Xb : rata” sampel
→ memperoleh nilai p-value : besarnya peluang Z= σ µ : rata” populasi
menerima Ho, harapannya nilai kecil agar √n σ : SD populasi
dapat menolak Ho
4. Menetapkan batas kemaknaan 2. Bila σ tidak diketahui
→ alpha (0.05) → uji t sampel
5. Keputusan & kesimpulan
𝑋𝑏 − µ
→ membandingkan p-value dg nilai alpha t= 𝑠 df = n − 1
- p ≤ 0.05 → Ho ditolak (ada perbedaan) √𝑛
- p > 0.05 → Ho diterima (tidak ada
perbedaan) Semakin ke kanan, p-value semakin
kecil
Jenis Ha Semakin ke kiri, p-value semakin besar
1. Ha one tail
- Menceng kiri (µ1 < µ2) Mencari p-value
p-value 1. Cari nilai Z dan lihat di table Z
2. p-value = 0.5 – Ztabel
- Menceng kanan (µ1 > µ2) - Two tail : p-value x 2
UJI T TEST
* Varian Sama
→ Untuk menguji data variabel
→ “tidak ada hubungan/
numerik dan variabel
perbedaan”
kategorik
→ menguji perbedaan rata-rata
antara 2 sampel (n1 − 1)s12 + (n2 − 1)s22
sp = √
n1 + n2 − 2
Jenis Uji T
1. Independen T Test (X1 − X2 )
t= df = n1 + n2 − 2
2. Dependen T Test 1 1
sp√n + n
1 2
n1 X1 + n2 X2 + ⋯ + nk X k Langkah ANOVA
Grand Mean =
n1 + n2 + ⋯ + nk SPSS
∑{n1 (X1 − X)2 + n2 (X2 − X)2 + ⋯ nk (Xk − X)2 } - analyze – compare means
MSb2 =
k−1 - one way ANOVA –
∑{S12 (n1 − 1) + S22 (n2 − 1) + ⋯ Sk2 (nk − 1)}
dependen list (numerik) –
MSw 2 = factor (kategorik)
N−k
- options – centang
Maksud signifikan dalam descriptive dan
Uji ANOVA homogenity
→ signifikan : minimal ada 1 - post hoc – centang
kelompok yang berbeda bonferonni
→ Ho diterima : antar kelompok
dipastikan tidak ada yang
berbeda Syarat ANOVA
1. Varian Homogen
Cara Menelusuri 2. Distribusi normal
Kelompok Mana Jika tidak normal → Uji
yang Berbeda Kruskal Walis
→ ANALISIS MULTIPLE
COMPARISON
Langkah Uji
Menelusuri lebih jauh Kruskal Walis SPSS
perbedaan antar kelompok
- Non parametric
→ jika hasil ANOVA - K independen sampel – test
signifikan/Ho ditolak /p- variabel (numerik) –
value < alpha (0.05) grouping (kategorik) –
koding (min 1, max 4)
- OK
Keterbatasan Chi-Square
→ tidak boleh digunakan, ketika :
1. Nilai E < 1
2. Nilai E < 5, jmlhnya lebih dari 20% dari jmlh total
sel
Solusi :
1. Jika table lebih dari 2x2, lakukan
penggabungan baris/kolom
2. Jika table 2x2, gunakan fisher exact
ΣX ΣY
ΣXY − n
r=
(ΣX)2 2
2 − (ΣY) ]
√[ΣX 2 − ] [ΣY
n n
X = Var. 1 (independen)
Y = Var. 2 (dependen)
Interpretasi Soal :
→hub. Var.1 dg var.2 menunjukkan korelasi yg kuat
dan arahnya bersifat positif, sehingga semakin
besar var.1 maka akan semakin besar var.2
Regresi Linier
Pengertian Anova pada regresi linier
→ sama dg korelasi, tapi ini lebih untuk 1) Membandingkan variasi nilai Y yg dpt
memprediksi dependen (numerik) melalui dijelaskan oleh persamaan regresi trhdp
vari.independen (numerik) variasi residual yg tdk dpt dijelaskan :
Rasio besar : hasil analisis regresi
→ digunakan untuk mencari persamaan signifikan, pers.regresi bermanfaat
garis regresi linier dengan metode : least- untuk menjelaskan variasi
square Rasio kecil : hasil anova regresi tidak
signifikan
→ regresi linier sederhana : pers. garis lurus
menggambarkan hub. independen & dependen 2) Total variasi = variasi diprediksi + variasi
residu
→ least-square : meminimalkan sum of square of
SSY = SSR + SSE
eror antara observasi dg nilai prediksi Y