PENGUJIAN DUA SAMPEL

Hipotesis Dua Sampel

11.2 Uji Hipotesis Dua Sampel : Sampel-Sampel Saling Bebas

Distribusi rata-rata sampel akan cenderung mendekati distribusi

normal. Kita perlu mengasumsikan lagi bahwa distribusi rata-rata
sampel akan mengikuti distribusi normal. Hal ini dapat ditunjukkan
secara matematis bahwa distribusi dari selisih rata-rata sampel pada
kedua distribusi normal juga normal.
Anggaplah bahwa populasi tukang pipa memiliki rata-rata $30.00 per
jam dan standar deviasi $5.00 per jam. Populasi tukang listrik
memiliki rata-rata $29.00 dan standar devisiasi $4.50. Sekarang,
melalui informasi ini terlihat jelas bahwa kedua rata-rata populasi
tidaklah sama. Tukang pipa memang memperoleh $1.00 per jam lebih
banyak dari tukang listrik. Namun, kita tidak dapat menemukan
selisihnya setiap kali kita mengambil sampel kedua populasi.
Seandainya kita memilih sampel acak 40 tukang pipa dan sampel acak
35 tukang listrik lalu menghitung rata-rata setiap sampel. Jika
populasi memiliki rata-rata yang sama maka kita dapat
memperkirakan selisih rata-rata antara kedua sampel adalah nol. Jika
terdapat selisih antara rata-rata populasi maka kita dapat mencari
selisih antara rata-rata sampel.
 Teori
 
 statistik menunjukkan bahwa ketika kita memiliki populasi yang
saling bebas, distribusi selisihnya memiliki variansi (standar deviasi
kuadrat) yang sama dengan penjumlahan dari kedua variansi. Ini
berarti kita dapat menjumlahkan variansi dari dua distribusi sampling.
Variansi selisih dari rata-rata sampel (1 - 2) sama dengan penjumlahan
variansi pada tukang pipa dengan variansi pada tukang listrik.
Variansi Dari Distribusi Selisih Rata-Rata : - = +
Rata-rata Sampel Acak Tukang Pipa dan Tukang Listrik
 
Sampel Tukang Pipa Tukang Listrik
   Selisih
1 $29,80 $28,76
$1,04
2 30,32 29,40
0,92
3 30,57 29,94
0,63
4 30,04 28,93
1,11
5 30,09 29,78
0,31
6 30,02 28,66
1,36
7 29,60 29,13
0,47
8 29,63 29,42
0,21
9 30,17 29,29
0,88
 
Lambang - terlihat rumit tapi tidak perlu bersusah payah
untuk ditafsirkan. bagianmengingatkan kita pada variansi
dan tulisan dibawah garis - merupakan distribusi selisih rata-
rata sampel.
Uji Rata-Rata Dua Sampel : Z =
Asumsi yang diperlukan untuk memakai rumus
diatas adalah :
Kedua populasi mengikuti distribusi normal.
Kedua sampel harus tidak berhubungan, yakni saling bebas.
Standar deviasi pada kedua populasi harus diketahui.
Kriteria untuk menggunakan rumus diatas adalah :
Sampel berasal dari populasi yang saling bebas, berarti
bahwa waktu pengecekan bagi para pelanggan Jalur Cepat
tidak berkaitan dengan waktu pengecekan bagi para
pelanggan lainnya. Misalnya, waktu pengecekan Ny. Smith
tidak mempengaruhi waktu pengecekan pelanggan lainnya.
Kedua populasi mengikuti distribusi normal. Pada contoh
FoodTown, berarti bahwa populasi pada antrean pengecekan
biasa dengan jalur cepat mengikuti distribusi normal.
Kedua standar deviasi populasinya diketahui pada contoh
FoodTown, standar deviasi populasi dari waktu Jalur Cepat
11.3 Uji Proporsi Dua Sampel

Berikut adalah beberapa contoh dari proporsi dua

sampel :
Wakil presiden sumber daya manusia ingin mengetahui apakah
terdapat perbedaan pada proporsi pekerja setiap jam yang
melewatkan lebih dari lima hari kerja per tahun di pabrik Atlanta
dan Houston.
General Motors sedang mempertimbangkan rancangan baru
untuk Chevy Malibu. Rancangan tersebut diperlihatkan pada
sekelompok pembeli potensial dibawah usia 30 tahun dan
kelompok lainnya diatas usia 60 tahun. General Motors ingin
mengetahui apakah terdapat perbedaan proporsi dari kedua
kelompok yang menyukai rancangan baru.
Seorang konsultan industri pesawat sedang menyelidiki ketakutan
penerbangan para orang dewasa. Secara rinci, perusahaan ingin
mengetahui apakah terdapat perbedaan proporsi pria terhadap
wanita yang takut terbang.
 
  
Untuk mengadakan pengujian, kita asumsikan setiap sampel cukup besar
sehingga distribusi normal akan menjadi pendekatan yang baik dari distribusi
binomial. Statistik pengujian berikut mengikuti distribusi normal baku. Kita
menghitung nilai Z melalui rumus sebagai berikut :
 
Uji Proporsi Dua Sampel : Z =

Dengan proporsi sampel berturut-turut menggantikan rata-rata

sampel dan
( 1- ) menggantikan kedua variansi.
Keterangan :
= jumlah pengamatan pada sampel pertama.
= jumlah pengamatan pada sampel kedua.
= proporsi pada sampel pertama yang memiliki ciri.
= proporsi pada sampel kedua yang memiliki ciri.
= proporsi gabungan yang memiliki ciri pada sampel yang digabungkan
disebut
sebagai perkiraan gabungan dari proporsi populasi dan dihitung melalui
rumus sebagai berikut :
 
Proporsi Gabungan : =
  
Keterangan :
= jumlah yang memiliki ciri pada sampel pertama.
= jumlah yang memiliki ciri pada sampel kedua.
11.4 Membandingkan rata-rata populasi dengan standar deviasi
populasi yang tidak diketahui

Pada dua bagian sebelumnya kiita menggambarkan kondisi dimana

distribusi normal baku, yakni z digunakan sebagai statistik pengujian. Dalam
satu kasus, kita sedang mengolah variable (menghitung rata-rata) dan yang
kedua adalah sifatnya (menghitung proporsi). Pada kasus pertama kita ingin
membanding kan rata-rata kedua sampel dari populasi yang saling bebas
untuk menentukan jika mereka berasal dari populasi yang sama atau
serupa. Faktanya dalam kebanyakan kasus kita tidak mengetahui standar
deviasi populasi. Dengan mengganti standar deviasi samoel (s) terhadap
sampel deviasi populasi ()
Standar deviasi populasi sama

Metode lain untuk membandingkan rata-rata sampel dari dua populasi yang
saling bebas untuk ditentukan jika populasi yang diambil sampelnya bisa
jadi memiliki rata-rata yang sama. Metode yang digambarkan tidak
memerlukan bahwa kita mengetahui standar deviasi populasi, hal ini
memberikan keleluasaan bagi kita ketika meneliti perbedaan pada rata-rata
sampel. Terdapat dua perbedaan penting dalam pengujian ini dan pengujian
sebelumnya yang digambarkan di awal.
Kita mengasumsikan populasi yang diambil sampelnya memiliki standar
deviasi yang sama meskipun tidak diketahui. Kerna saumsi tersebut, kita
menyatukan atau menggabungkan standar deviasi sampel.
Kita menggunakan distribusi t sebagai statistic pengujian.
  
Standardeviasiduasampeldikumpulkanuntukmembentukperkiraantunggaldaris
tandardeviasipopulasi yang tidakdiketahui. Padadasarnya, kitamenghitung
rata-rata
terbobotdaristandardeviasikeduasampeldanmenggunakannilainyasebagaiperki
raanstandardeviasi yang tidakdiketahui.
Pembobotannyaadalahderajatkebebasan yang setiapsampelberikan.
Rumusuntukmenggabungkanstandardeviasisampel. Ada dua factor yang
dilibatkan :
jumlahpengamatanpadasetiapsampeldanstandardeviasisampelitusendiri.
Variansigabungan=>
Sp2=

Dimana: s12 = variansi (standardeviasikuadrat) darisampelpertama

S22= variansidarisampelkedua
Nilaitdihitungmelaluipersamaanberikut
Uji rata-rata duasampel _ (populasi) tidakdiketahui
dimana
­ :

X1 = rata- rata darisampelpertama

X2 =rata-rata sampelkedua
n1 = jumlahpengamatanpadasampelpertama
n2 = jumlahpengamatanpadasampelkedua
sp2 = perkiraangabungandarivariansipopulasi
 
CONTOH
Owens Lawn Care, Inc, memproduksi dan merakit mesin pemotong
rumput yang dikirim ke dealer di
seluruh Amerika Serikat dan Kanada. Dua prosedur yang berbeda telah
diusulkan untuk pemasangan
mesin pada frame dari mesin pemotong rumput tersebut. Pertanyaannya
adalah: Apakah ada
perbedaan dalam waktu yang berarti untuk me-mount mesin pada frame
dari mesin pemotong rumput? Untuk mengevaluasi dua metode,
diputuskan untuk
melakukan studi waktu dan gerak. Sebuah sampel dari lima karyawan itu
waktunya menggunakan metode Welles dan enam menggunakan metode
Atkins.
Hasilnya, di menit, adalah sebagai berikut:
 
Apakah ada perbedaan dalam rata-rata pemasangan kali?
welles atkins
Menggunakan
(menit) (menit) Pada
tingkat signifikansi kasus ini , yaitu n + n -2.
0,10.
1 Lima
2
2 3
4 7 pemasang menggunakan metode welles
9 5 dan enam pemasang menggunakan metode
3 8
2 4 atkins. Jadi terdapat 9 derajat kebebasan,
  3
diperoleh dari 5+6-2. Nilai kritis t, df = 9,
uji dua sisi, dan tingkat signifika 0,10
adalah -1,833 dan 1,833. Kita tidak
menolak hipotesis nol jika nilai hitung t
berada diantara -1,833 dan 1,833
 Metodewelles     Metode atkins
Menghitungstandardeviasisampel:
X1 X2
2 (2-4)2=4 3 ( 3-5)2=4
4 (4-4)2=0 7 (7-5)2=4
9 (9-4)2=25 5 (5-5)2=0
3 (3-4)2=1 8 (8-5)2=9
2 (2-4)2=4 4 (4-5)2=1
20 34 3 (3-5)2=4
30 22

Menyatukanvariasisampel:
 

 
Menentukannilai t:
 

 
Keputusannyaadalahtidakmenolahhipotesisnol, karena -0,662
beradadidaerahantara -1,833 dan 1,833. Kita
menyimpulkanbahwatidakterdapatperbedaandalam rata-rata

 
waktupemasanganmesinpadakapmesindenganmenggunakankeduametode.
 
standardeviasipopulasitidaksama
 
jikatidaktepatuntukmengasumsikanbahwastandardeviasipopulasinya
samamakakitamenggunakanstatistik yang
sangatmiripdenganrumussebelumnya. Standardeciasisampel s1 dan
s2digunakansebagailetakdaristandardeviasipopulasiberturut-turut.
Pengaruhnyaadalahmengurangijumlahderajatkebebasandidalampen
gujian yang akanmemerlukannilaidaristatistikpengujian yang
lebihbesaruntukmenlakhipotesis nol.
Rumusuntuk thitungadalah :
Statistikpengujianuntuk rata-rata yang sama, variansi yang
tidaksama :
 
t = X1 + X2

Angkaderajatkebebasandiperolehdari :
Derajatkebebasanuntukujivariansi yang tidaksama

Dimanan1 dan n2berturut-turutmerupakanukuransampelserta s1dan

s2berturut-turutmerupakanstandardeviasisampel.
CONTOH
Personil di laboratorium pengujian konsumen mengevaluasi serap handuk kertas.
Mereka
ingin membandingkan satu set merek toko handuk untuk kelompok serupa dari yang
nama merek. Untuk setiap merek mereka mencelupkan ply kertas ke dalam bak
cairan,
memungkinkan kertas untuk mengalirkan kembali ke tong selama dua menit, dan
kemudian mengevaluasi jumlah cairan kertas telah diambil dari tong. Sebuah sampel
acak dari 9 merek toko handuk kertas menyerap jumlah berikut cairan dalam mililiter.
8 8 3 1 9 7 5 5 12
Sampel acak independen dari 12 handuk nama merek diserap jumlah berikut cairan
dalam mililiter:
12 11 10 6 8 9 9 10 11 9 8 10
Gunakan tingkat signifikansi 0,10 dan uji jika ada perbedaan dalam jumlah rata-rata
cairan diserap oleh dua jenis handuk kertas.
Berikut dot petak yang disediakan oleh MINITAB
menunjukkan varians menjadi tidak merata.

Berikut output yang disediakan oleh MINITAB menunjukkan statistik deskriptif

t= X 1 + X2

 
 
 
11.5 ujihipotesisduasampel : sampelterikat
Terdapatsituasidimanasampel-sampelnyatidaksalingbebas. Dengan
kata lain sampel-sampelnyaterikatatauberhubungan. Kita
akanmenggunakanlambang µduntukmenunjukan rata-rata
distribusibendapopulasinya. Statistic pengujiannyamengikutidistribusit
danmenghitungnilainyamelaluirumusberikut :

Terdapat n-1 derajatkebebasandan :

Sd : standardeviasidariperbedaanamtarapengamatan yang
berpasanganatau yang behubungan
n : jumlahpengamatan yang berpasangan
standardeviasiperbedaannyadihitungmelaluirumus yang
sudahlazimdigunakanuntukstandardeviasi, kecualidmenggantikan X.
rumusnya :
CONTOH
  
NikelSimpanPinjaminginmembandingkanduaperusah
aanmenggunakanuntukmenilainilairumahhunian.
Nikel Tabungan memilihsampeldari 10
propertiperumahandandijadwalkankeduaperusahaa
nuntukpenilaian. Hasilnya, dilaporkandalam $ 000,
ditampilkanpadatabel
(kanan).Padatingkatsignifikansi 0,05,
dapatkitasimpulkanadaperbedaandalam rata-rata
nilaidinilaidarirumah
 Step 1: Tentukanhipotesisnoldanhipotesisalternatif.
H0: md = 0
H1: md ≠ 0
Rumuskankeputusan.
H0 Ditolakjika
t >ta/2, n-1 ataut < - ta/2,n-1
t >t.025,9 ataut < - t.025, 9
t > 2.262 ataut < -2.262
 
11.6 membandingkan sampel bebas dan
terikat
Jenis pertama dari sampel terikat dicirikan
melalui ukuran yang diikuti oleh intervensi dari
beberapa jenis dan ukuran lainnya. Hal ini dapat
disebut studi “sebelum” dan “sesudah”.
Jenis kedu dari sampel terikat dicirikan dengan
mencocokan atau memasangkan pengamatan.
Denga menggunkan sampel terikat kita mampu
mengurangi variasi pada distribusi sampling.
dalam kasus sampel yang saling bebas
terdapat lebih bnyak variasi atau ketidak pastian.
Hal ini meloppor perbedaan dalamnilai t dan
perbedaan dalam keputusan statistik.