UJI STATISTIK

Sumedi Sudarsono

PENGGOLONGAN STATISTIK
1. Statistik Deskriptif.
2. Statistik Analitik.
(Uji Statistik).
(1). Statistik Deskriptif
1). Nilai-nilai Central tendency : Mean 
2). Nilai-nilai Variabilitas : s , var , SE , cov 
3). Skewness
4). Kurtosis

(2). Statistik Analitik (Uji Statistik)

1). Uji Stat Parametrik
2). Uji Stat Non-parametrik
 UJI STATISTIK PARAMETRIK

(1). Uji t-independent.

(2). Uji t-berkaitan = Pairs t-test .
=Related t-test.
(3). Uji Korelasi Pearson – Regresi.
(4). Uji Analisis Varians (ANOVA).
a. One-way Anova
b. Two-way Anova
-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-
 Syarat-syarat
Uji Statistik PARAMETRIK :

1. Distribusi data Normal

2. Mempunyai Variance yang sama.
3. Sampel diambil secara Random.
4. Data memp. skala Interval atau Ratio.
-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-.-
Bila tidak memenuhi salah satu syarat tsb,
digunakan Uji Statistik Non-parametrik.
 UJI STAT. NON-PARAMETRIK

(1). Uji Chi-square tabel 2x2, 2x3, 3x3.

(2). Uji Fisher.
(3). Uji Kolmogorov-Smirnov.
(4). Uji Chi-square McNemar.
(5). Dll (masih banyak).  Contoh :
 Parametrik Non-Parametrik

(1). Uji t-independent  Mann-Whitney

(2). Pairs t-test  Wilcoxon
(3). Uji Korelasi Pearson  Spearman Rank Corr.
(4). ANOVA  Kruskal-Wallis
……………………………
 1. Distribusi Data Normal

1. Grafiknya simetris / berbentuk lonceng.

2. Nilai mean = median = mode.
3. Wilayah kiri = wilayah kanan = 50 %.
4. Coefficient of Variation < 30 %.

s
c.o.v. = -------- (100%) = < 30%.
mean
………………………………………………….
2. Data mempunyai Variance yg Sama
Dibuktikan dg Uji Homogenitas Varians,
membandingkan dua varians.

Varian besar
F(n,d) = ------------------  Lihat pd Tabel F
Varian kecil ( Table A4 )

Bila p < 0.05  Ada perbedaan yg significant.

Bila p > 0.05  Varians Homogen
(Tidak ada perbedaan yg signt).
………………………………………………………
3. Sampel diambil secara Random

1. Sembarangan.
2. Acak.
3. Serampangan.
4. Untung-untungan. 
Tidak pilih kasih,
Tidak ada preferensi.
Tidak ada surat sakti.
Tidak ada KKN.
1. Simple Random Sampling.
2. Systematic random Sampling.
3. Stratified Sampling .
4. Multistage Sampling.
5. Cluster Sampling.

Non-random
1. Consecutive sampling
2. Convenient sampling
3. Judgment sampling
4. Alternative sampling
5. Dll
………………………………………
4. Skala Interval / Ratio

Untuk Data skala Interval & Ratio,

digunakan Uji Statistik Parametrik.

Untuk Data dg skala Nominal & Ordinal,

digunakan Uji Stat Non-parametrik.

………………o0o…………………………..
 Contoh soal T-test independent
Sumedi Sudarsono

BB kel. A : 59, 63, 64, 60, 66, 65. n1 = 6

BB kel. B : 61, 57, 61, 57, 56. n2 = 5

Apakah ada perbedaan yg bermakna antara

mean BB kel A dg mean BB kel B ?

 Digunakan uji T-test independent.

 Uji T-test independent tergolong dalam
Uji Statistik Parametrik (ingat 4-syarat).

1. Distribusi data Normal

2. Mempunyai Variance yang sama.
3. Sampel diambil secara Random.
4. Data memp. skala Interval / Ratio.
……………………………………………..
1. Sampel diambil secara Random.
Kelompok A dan B diambil secara Random

2. Data memp. Skala Interval / Ratio.

Data BB dalam Kg ialah Skala Ratio
………………………………………………

1. Apakah data distribusi normal

2. Apakah memp varians yg homogen

1. Apakah distribusi data Normal ?

1). Hitung besar Mean.

2). Hitung besar simpang baku ( s ).
3). Hitung COV apakah < 30 %
Bila COV < 30 % Simpulan Normal.

s
COV = --------- (100%)
mean
Kel. A : 59, 63, 64, 60, 66, 65. (n1 = 6)
Kel. B : 61, 57, 61, 57, 56. (n2 = 5)
Kel A n1 = 6.
Mean1 = 62.833
s1 = 2.787  Variance = (2.787)2

Cov1 = 4.4 %

Cov kel A < 30 %

Simp. Kel A mempunyai distribusi NORMAL.
Kel. A : 59, 63, 64, 60, 66, 65. (n1 = 6)
Kel. B : 61, 57, 61, 57, 56. (n2 = 5)
 Kel B n2 = 5
Mean2 = 58.40
s2 = 2.408  Variance = (2.408)2

Cov2 = 4.12 %

Cov kel B < 30 %

Simp. kel B memp. distribusi NORMAL.
2. Apakah memp. Variance yg sama ?

1). Hitung Varians kelompok A.

2). Hitung Varians kelompok B.
3). Bandingkan kedua Varians tsb
( Uji Homogenitas Varians )

Var yg besar
F(n,d) = -------------------  Lihat Tabel F
Var yg kecil
 Uji Homogenitas Varians

Varians kel A = (2.787)2 = 7.767 (n1 = 6)

Varians kel B = (2.408)2 = 5.798 (n2 = 5)

7.767
F(5,4) = ------------ = 1.340
5.798
numerator = pembilang = (n1) – 1 = 5
denominator = penyebut = (n2) – 1 = 4

Lihat Tabel F(5,4)

Hasil perhitungan F(5,4) = 1.340

F(5,4) pada Tabel F

1.340 .. p > 0.05
↑ ↑
↑ ↑
6.26 0.05
9.36 0.025
15.52 0.01 p > 0.05
22.46 0.005 Simp : Memp var sama
 T-test independent

Hipotesis Nol (Ho) :

Tidak ada perbedaan antara mean BB kel (A)
dg mean BB kel (B).  {Mean(A) = Mean(B)}.

Ha : (1). Ada perbedaan yg bermakna

(significant) antara mean(A) dg mean(B).

(2). Mean kel (A) tidak sama dg mean kel (B).

Batas kemaknaan = α = 5% = 0.05
Bila p < 0.05  Ho ditolak
Bila p > 0.05  Ho gagal ditolak (diterima)

mean(A) – mean (B)

t = ---------------------------------
s gab √ {1/n1 + 1/n2}

Degree of freedom = df = n1 + n2 – 2
………………………………………………..
 Pengertian nilai ‘p’

Nilai ‘p’ merupakan nilai yg menunjukkan

(1). besar peluang salah nenolak Ho dari data
penelitian.

(2). besar peluang hasil (misal perbedaan dua

mean) terjadi karena faktor kebetulan
(by chance).

Diharapkan besar ‘p’ sekecil mungkin agar yakin

bahwa ada perbedaan yg significant.
……………………………………………………………..
Rumus s gab = s gabungan

(s1)2 (n1-1) + (s2)2 (n2-1)

S gab = √ { ------------------------------------ }
n1 + n2 - 2
 T-test independent

n(A) = 6 n(B) = 5
Mean(A) = 62.833 mean(B) = 58.4
s(A) = 2.787 s(B) = 2.408

 (1). Hitung s gab.

 (2). Hitung t-test.
 (s1)2 (n1-1) + (s2)2 (n2-1)
s gab = √ { ------------------------------------ }
n1 + n2 – 2

(2.787)2 (6-1) + (2.408)2 (5-1)

s gab = √ { ----------------------------------------- }
6+5–2

s gab = 2.625
 mean(A) – mean (B)
t = ---------------------------------
s gab √ {1/n1 + 1/n2}

62.833 – 58.40
t = ----------------------------- = 2.787
2.625√ {1/6 + 1/5}

dg df = n1 + n2 - 2

t = 2.787
df = 9  Lihat Tabel 0.02 < p < 0.05
Ho ditolak  Ada perbedaan yg significant.
 Tabel T-test = Table A3

df p
0.2 0.1 0.05 * 0.02 0.01 0.001
------------------------------------------------------------------
1 ↑
2
3 .. .. .. ↑ .. .. …
.
. ↑
8 1.397 1.960 2.306 2.896 3.355 5.041
9 1.383 1.833 2.262 ↑ 2.821 3.250 4.781
2.787

=====o0o===== (bersambung)
 Uji Membandingkan means dua sampel.

(1). Sampel kecil dan sampel kecil.  t-test

(2). Sampel kecil dan sampel besar.  t-test
(3). Sampel besar dan sampel besar.  Z-test
(4). Sampel besar dan mean populasi (μ).  Z-test
(5). Sampel kecil dan mean populasi (μ).  t-test
(6). Z-test utk membandingkan proporsi
populasi (= π) dan proporsi sampel besar.
(7). Z-test utk membandingkan proporsi sampel
besar dan proporsi sampel besar.
(8). Chi-square test utk membandingkan proporsi
sampel besar dan proporsi sampel besar.
(1). Sudah dibahas membandingkan mean
untuk dua sampel kecil.
 digunakan Uji T-independen.

mean(A) – mean (B)

t = --------------------------------- sampel (A) = 6
s gab √ {1/n1 + 1/n2} sampel (B) = 5

(s1)2 (n1-1) + (s2)2 (n2-1)

s gab = √ { ------------------------------------ }
n1 + n2 – 2

--------------------------------------------------------------------------------
(2). Untuk membandingkan dua mean sampel
besar dan sampel kecil, (n1=56 dan n2=28).
 juga digunakan Uji T-independen.

Contoh soal sbb :

n1 = 56 n2 = 28
mean1 = 161.25 mean2 = 158.61
s1 = 5.57 s2 = 5.27

 t = 2.088 df = 82 0.02 < p < 0.05

------------------------------------------------------------------
(3). Untuk membandingkan dua mean sampel
besar dan sampel besar, (n1=75 dan n2=100).
 digunakan Uji Z-test.

Mean(1) – Mean(2)
Z = -----------------------------------
√{ (s1)2 /n1 + (s2)2 /n2 }

Rujuk ke Tabel T ( Table A3 )

dengan df = ∞
 Contoh soal : ( 3 )

Mean berat badan (BB) lahir sampel 75 bayi dari

keluarga perumahan (A) 3400 gram ± 670 gram
Mean berat badan lahir sampel 100 bayi dari
keluarga perumahan (B) 3100 gram ± 610 gram

Apakah perbedaan tsb bermakna atau hanya

kebetulan ?

Ho : Tidak ada perbedaan bermakna antara rerata

BBL perumahan (A) dg rerata BBL perumahan (B).
( Ingat Uji Z & Uji t termasuk uji statistik parametrik )

Apakah distribusi data normal ?  Hitung cov !!

cov (A) = 670 / 3400 = 19.71%

cov (B) = 610 / 3100 = 19.68%
 Simpulan distribusi data normal.
 Apakah mempunyai Varians yg sama ?
 Digunakan Uji Homogenitas varians, dg
membndingkn varians yg besar dg varians yg kecil.

F(74,99) = (670)2 / (610)2 = 1.206


0.05 1.25
0.025 1.31
0.01 1.38
0.005 1.43

Karena p > 0.05 maka ,

simpulan  Varians Homogen
 Mean(1) – Mean(2)
Z = -----------------------------------
√{ (s1)2 /n1 + (s2)2 /n2 }

3400 – 3100
Z = -------------------------------------- = 3.045
√{ (670)2 /75 + (610)2 /100 }

Rujuk pd Tabel T dg df = ∞
0.001 < p < 0.01 Ho ditolak, significant
 Tabel Z ( Tabel A3 ) dg df = ∞ )

0.6 0.5 0.4 0.3 0.2 0.1 0.05 0.02 0.01 0.001
-----------------------------------------------------------------------------------------------
0.524 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 3.291
I
3.045

=======================o0o==========================
(4). Mean Sampel Besar dg Mean Populasi (µ)
 digunakan Uji Z-test

mean - µ
Z = ---------------
SE

Rujuk ke Tabel T ( Tabel A3 )

dengan df = ∞
 Contoh soal : ( 4 )

Pada 100 sampel mhs yg akan Ujian diukur suhu

badannya, hasil mean = 37.2 0 C dg s = 0.7 0 C
Suhu badan rerata Populasi µ = 37 0 C
Apakah perbedaan ini bermakna atau hanya kebetulan ?

Ho : Tidak ada perbedaan bermakna antara

mean suhu badan mhs dg mean populasi (µ)

Apakah data diatribusi normal ?  Hitunglah cov

cov = 0.7 / 37.2 = 1.88

Karena cov < 30%
 Simpulan data distribusi normal
 mean - µ
Z = ---------------
SE

mean - µ 37.2 - 37
Z = --------------- = --------------- = 2.857
SE 0.7 / √ 100

Rujuk pd Tabel T dg df = ∞  0.001 < p < 0.01

Ho ditolak, significant

Simpulan : Rerata suhu badan mhs lebih tinggi secara

significant dibanding suhu badan normal
 Tabel Z ( Tabel A3 ) dg df = ∞ )

0.6 0.5 0.4 0.3 0.2 0.1 0.05 0.02 0.01 0.001
-----------------------------------------------------------------------------------------------
0.524 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 3.291

2.857

================0O0==============================
(5). Mean sampel kecil dg Mean Populasi (µ)
 digunakan Uji t-test independent.

mean - µ
t = ---------------
SE

Rujuk ke Tabel T ( Tabel A3 )

dengan df = n - 1
 Contoh soal : ( 5 )
Pada 25 sampel mhs yg akan Ujian diukur suhu
badannya, hasil mean = 37.2 0 C dg s = 0.7 0 C
Suhu badan rerata Populasi µ = 37 0 C
Apakah perbedaan ini bermakna atau hanya kebetulan ?

Ho : Tidak ada perbedaan bermakna antara

mean suhu badan mhs dg mean populasi (µ)

Apakah data diatribusi normal ?  Hitunglah cov

cov = 0.7 / 37.2 = 1.88

Karena cov < 30%
 Simpulan data distribusi normal
 mean - µ 37.2 - 37
t = --------------- = --------------- = 1.429
SE 0.7 / √ 25

Rujuk pd Tabel T dg df = n – 1 = 25 – 1 = 24
 0.10 < p < 0.20

Ho tidak dpt (gagal) ditolak, tidak significant.

Simpulan : Rerata suhu badan mhs tidak berbeda

secara significant dibanding suhu badan normal
===============0O0================-.
Catatan : Hasil rerata suhu badan sama,
tetapi besar sample size berbeda
 Simpulan juga berbeda. !
 T-test = Table A3

df p
0.3 0.2 0.1 0.05 0.02 0.01 0.001
----------------------------------------------------------------------------------------
1
2
3 .. .. .. .. .. …
.
.
8 1.397 1.860 2.306 2.896 3.355 5.041
9 1.383 1.833 2.262 2.821 3.250 4.781
.
.
24 . . . . 1.059 1.318 1.711 2.064 2.492 2.797 3.745
1.429

---------------------------o0o-----------------------------------------------------
(6). Z-test untuk membandingkan proporsi
populasi (= π) dg proporsi sampel besar.
(Uji proporsi)
p-π
Z = --------------------------
√{π (1 – π) / n}

Suatu survei di suatu wilayah dengan sampel sebesar

1000 murid SLA menunjukkan bahwa proporsi merokok
di kalangan murid SLA sebesar 12.3%
Diketahui data Nasional merokok ialah π = 13%
Apakah ada perbedaan bermakna antara hasil survei
tersebut dg data Nasional ?
Ho : Tidak ada perbedaan antara proporsi
populasi π dengan proporsi sampel

Batas kemaknaan = 0.05

Digunakan rumus Uji Z-test sbb :

p-π
Z = -----------------------
√{π ( 1 – π) / n}
 Diketahui : p = 0.123 π = 0.13 n = 1000

p–π
Z = -----------------------
√{π ( 1 – π) / n}

0.123 – 0.130
Z = -------------------------------- = - 0.66
√{0.13 ( 1 – 0.13) / 1000}

Z = 0.66 Lihat Tabel A3  0.5 < p < 0.6

Not significant.
 Tabel Z ( Tabel A3 ) dg df = ∞ )

0.6 0.5 0.4 0.3 0.2 0.1 0.05 0.02 0.01 0.001
-----------------------------------------------------------------------------------------------
0.524 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 3.291

0.66

================0O0==============================
(7). Z-test utk membandingkan dua proporsi sampel
besar. Survei di suatu wilayah menunjukkan
bahwa proporsi merokok di kalangan laki-laki
sebesar 0.35 dg sampel 100, sedangkan di kelpk
perempuan sebesar 0.05 dg sampel 80.

Apakah perbedaan proporsi tersebut berbeda

bermakna atau secara kebetulan saja ?

p1 – p2
Digunakan Uji Z-test = --------------------
√{ 1/n1 + 1/n2 }
 n1 = 100 n2 = 80
P1 = 0.35 p2 = 0.05

p1 – p2
Digunakan Uji Z-test = --------------------
√{ 1/n1 + 1/n2 }

0.35 – 0.05 0.30

Z-test = ---------------------- = ------------ = 2.0
√{ 1/100 + 1/80 } 0.15

Lihat tabel 0.02 < p < 0.05 Signifikans

 Tabel Z ( Tabel A3 ) dg df = ∞ )

0.6 0.5 0.4 0.3 0.2 0.1 0.05 0.02 0.01 0.001
-----------------------------------------------------------------------------------------------
0.524 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576 3.291

2.00

================0O0==============================
(7). Z-test utk membandingkan dua proporsi
sampel besar. Survei di suatu wilayah
menunjukkan bahwa proporsi merokok di
kalangan laki-laki sebesar 0.35 dg sampel
100, (dari 100 laki-laki, yg merokok 35 orang)
sedangkan di kalangan perempuan sebesar 0.05
dg sampel 80
(dari 80perempuan yg merokok 4 orang).

 dapat juga digunakan

Uji Chi-square (Uji Non-parametrik).

=====o0o===== selesai