Definisi Istilah
Definisi berikut diambil dari buku karangan Lehmann dan Romano
Hipotesis statistik
Statistik
Hipotesis nol (H0)
Hipotesis alternatif (H1)
Tes Statistik
Daerah penerimaan
Daerah penolakan
Kekuatan Statistik (1 – β)
Tingkat signifikan test (α)
Nilai P (P-value)
c. Penaksiran (Perkiraan)
Penyelesaian:
Penaksiran Titik
Penaksiran Interval
d. Metode-metode Parametrik
Penyelesaian:
Uji t one sample
Uji t two sample independent
Uji t two paired sample
Uji anova one way
Uji anova two ways
Uji korelasi sederhana
Uji korelasi ganda
Regresi liniear berganda
Regresi linier sederhana
Uji manova
Uji goodnesof fit
Bagian a)
Ukuran gejala pusat atau tendensi sentral:
Disebut ukuran gejala pusat atau tendensi sentral (central tendency), karena
nilai atau harga ukuran gejala pusat mampu memberi gambaran tentang posisi
atau letak pusat data atau nilainilai pengamatan, baik dalam bentuk data terserak,
maupun yang sudah dikelompokkan dalam bentuk tabel distribusi frekuensi.
Data yang disajikan dengan ukuran-ukuran gejala pusat lebih mudah dibaca
dibandingkan dengan data yang masih dalam keadaan terserak.
Ukuran penyimpangan atau variabilitas:
Ukuran penyimpangan atau ukuran variabilitas disebut pula ukuran
dispersi, karena merupakan ukuran yang mampu memberi gambaran tentang
besar kecilnya data terhadap rata-ratanya. Ukuran penyimpangan juga
menunjukkan keberagaman harga data atau nilai pengamatan. Semakin besar
ukuran penyimpangannya berarti semakin besar tingkat keberagaman harga
data atau nilai pengamatan. Semakin besar ukuran peyimpangannya berarti
semakin besar tingkat keberagaman harga data yang kita miliki. Oleh karena
itu, dengan diberikannya ukuran gejala pusat beserta ukuran penyimpangan
atau ukuran variabilitas/ dispersinya, akan dapat diperoleh gambaran yang
lengkap tentang keadaan data tersebut. Untuk lebih mudah memperoleh
gambarannya, dapat dilihat dari ilustrasi seb
Bagian b)
Hipotesis adalah suatu pernyataan mengenai satu atau lebih populasi
yang belum tentu benar atau salah dan perlu diuji kebenarannya. Pengujian
hipotesis adalah suatu proses inferensi dari suatu contoh untuk menereima
atau tidak menerima pernyataan tertentu yang berkenaan dengan
populasinya. Macam-macam Hipotesis:
1. Hipotesis sederhana (simple hypothesis), yakni semua bentuk hipotesis
yang menyatakan spesifik parameter distribusi populasi secara lengkap.
2. Hipotesis majemuk (composite hypothesis), yakni semua bentuk
hipotesis yang tidak menyatakan spesifik parameter distribusi populasi
secara lengkap.
Dalam struktur pengujian hipotesis, terdapat dua hipotesis:
1. Hipotesis nol (null hypothesis/ H 0 ), yakni hipotesis sederhana yang
(umumnya) berlawanan dengan suatu teori yang ingin dibuktikan
kebenarannya.
2. Hipotesis alternatif (alternative hypothesis/ H1 ), yakni hipotesis
(seringkali majemuk) yang sejalan dengan suatu teori yang ingin
dibuktikan kebenarannya.
Definisi Istilah
Definisi berikut diambil dari buku karangan Lehmann dan Romano
Hipotesis statistik
Sebuah pernyataan tentang parameter yang menjelaskan sebuah populasi
(bukan sampel).
Statistik
Angka yang dihitung dari sekumpulan sampel.
Hipotesis nol (H0)
Sebuah hipotesis yang berlawanan dengan teori yang akan dibuktikan.
Hipotesis alternatif (H1)
Sebuah hipotesis (kadang gabungan) yang berhubungan dengan teori
yang akan dibuktikan.
Tes Statistik
Sebuah prosedur dimana masukannya adalah sampel dan hasilnya adalah
hipotesis.
Daerah penerimaan
Nilai dari tes statistik yang menggagalkan untuk penolakan hipotesis nol.
Daerah penolakan
Nilai dari tes statistik untuk penolakan hipotesis nol.
Kekuatan Statistik (1 – β)
Probabilitas kebenaran pada saat menolak hipotesis nol.
Tingkat signifikan test (α)
Probabilitas kesalahan pada saat menolak hipotesis nol.
Nilai P (P-value)
Probabilitas, mengasumsikan hipotesis nol benar.
Bagian c)
Penaksiran titik
Penaksiran interval
Inteval Kepercayaan
Tingkat Kepercayaan
Margin of Error
Bagian d)
a. Uji t one sample
Pengujian satu sampel yang pada prinsipnya ingin menguji apakah suatu
nilai tertentu (yang diberikan sebagai pembanding) berbeda secara nyata
ataukah tidak dengan rata-rata sebuah sampel. Nilai tertentu di sini pada
umumnya adalah sebuah nilai parameter untuk mengukur suatu populasi
Uji ini dilakukan terhadap dua sampel yang berpasangan (paired). Sampel
yang berpasangan diartikan sebagai sebuah sampel dengan subjek yang sama,
namun mengalami dua perlakuan atau pengukuran yang berbeda, seperti subjek
A akan mendapat perlakukan I kemudian perlakuan II
Bentuk korelasi yang digunakan untuk melihat hubungan antara tiga atau
lebih variabel (dua atau lebih variabel independen dan satu variabel
dependent. Korelasi ganda berkaitan dengan interkorelasi variabel-variabel
independen sebagaimana korelasi mereka dengan variabel dependen.
j. Uji manova
Uji Manova adalah Uji Multivariat Analisis Jalur atau disebut juga
Multivariat Analysis Of Variance. Manova hampir sama dengan One Way
Anova, letak perbedaannya adalah pada jumlah variabel dependen atau
variabel terikat yang diuji di dalam model.
Perhatikan data hasil sensus terhadap 30 ekor biri-biri usia 1 tahun hasil cloning
(kembaran) yang menunjukkan berat badan sebagai berikut (dalam kg):
78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86
Nilai atau harga data terkecil 60 dan data terbesar 98, maka rentang/kisaran data
(R) = 98 – 60 = 28.
Contoh modus
Hasil pengukuran berat 30 ekor biri-biri yang diambil secara acak dari populasi
biri-biri hasil cloning sebanyak 100 ekor, adalah sebagai berikut (dalam kg):
78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86
Agar dapat dicari modusnya, data tersebut harus diurutkan dari yang terbesar ke
yang terkecil. Hasilnya adalah sebagai berikut:
98 97 96 91 89 89 88 87 86 84 83 82 82 82 81
78 78 78 72 72 72 69 69 68 66 66 66 62 60 60
Data sebesar 82, 78, 72 dan 66 muncul tiga kali. Dengan demikian, sebaran data
di atas memiliki empat modus yakni 82, 78, 72 dan 66.
Bagian b)
Contoh 1:
Pengujian hipotesis bahwa suatu jenis vaksin baru lebih efektif mencegah
penyakit AIDS. Maka rumusan hipotesisnya adalah:
Hipotesis nol, H 0 : vaksin baru = vaksin lama
Hipotesis alternatif, H1 : vaksin baru lebih efektif daripada vaksin lama
Contoh 2:
Seorang dokter mengatakan bahwa lebih 60% pasien kanker adalah karena
merokok
Hipotesis nol, H 0 : p 0.6
Hipotesis alternatif, H1 : p 0.6
Bagian c)
Contoh Penaksiran titik: seorang ahli social ekonomi ingin mengestimasi rata-
rata penghasilan buruh di sebuat kota. Sebuah sampel dikumpulkan
menghasilkan rata-rata Rp. 2.000.000,-
Dalam hal ini telah dilakukan penaksiran titik, dengan menggunakan estimator
berupa statistic mean untuk mengestimasi parameter mean. Nilai sampel Rp.
2.000.000,- sebagai nilai estimasi dari mean
Bagian b)
- Untuk menguji apakah data yang kita gunakan cukup untuk menggambarkan
populasi
- Metode empiris untuk membuktikan hipotesis yang kita percaya
Bagian c)
Kegunaan penaksiran adalah: Menyimpulkan nilai parameter yang tidak
diketahui nilainya dalam model statistic
Bagian d)
Kegunaan metode parametric adalah: menganalisis data interval dan rasio
a. Ukuran-ukuran dalam Statistika Deskriptip Simpangan Range
Baku
Simpangan
Variansi/ Rata-rata
Kuartil
Ragam
Median
Koefisien Galat baku
variasi rata-rata
Modus
Desil
1. Arithmatic mean
2. Geometric mean
Persentil
MeM Mean 3. Harmonic mean
(rata-
rata)
STATISTIK DESKRIPTIF
Pernaksiran(perkiraan)
d. Metode-metode parametrik
Uji goodnes
Metode-metode parametrik of fit
Uji t
Uji manova
Uji anova Regresi
Uji perbandingan Uji korelasi liniear
ganda