1

:: Praktikum Statistika menggunakan R ::

05. Uji Hipotesis

Uji Hipotesis
MA2181 Analisis Data / MA2081 Statistika
Dasar / MA2082 Biostatistika

Kelompok Keilmuan Statistika

Laboratorium Statistika dan Komputasi Matematika

Fakultas Matematika dan Ilmu Pengetahuan Alam

Copyright 2020 © KK Statistika, FMIPA – ITB

2

TUJUAN

1 2

Mempelajari pengujian Melakukan uji hipotesis pada

hipotesis terhadap distribusi beberapa contoh masalah.
normal.

Copyright 2020 © KK Statistika, FMIPA – ITB

3

Uji Hipotesis
Alat pengambilan keputusan atas Hipotesis nolumumnya adalah pernyataan-
suatu pernyataan yang telah pernyataan yang mengandung makna
dirumuskan sebelumnya (hipotesis) kesamaan. Hipotesis tandingan adalah
berdasarkan suatu galat / taraf semua pernyataan yang merupakan
signifikansi () tertentu. kebalikan dari hipotesis nol.

Hipotesis yang dimaksud adalah Penolakan terhadapdantidak menyimpulkan

hipotesis statistik, yaitu suatu bahwa hipotesis yang telah dirumuskan
pernyataan/anggapan yang mungkin
tersebut salah (tidak benar), tetapi hal itu
benar atau tidak mengenai suatu
masalah (populasi). menunjukkan bahwa data atau sampel
yang terambil tidak (atau belum)
mendukung hipotesis yang telah
dirumuskan.
4
Langkah Uji Hipotesis
1 Tentukan hipotesis nol dan tandingannya (H0 dan H1)

2 Tetapkan nilai , kemudian carilah daerah dan titik kritis.

3 Hitung nilai statistik uji.

Bandingkan nilai statistik uji dengan titik kritis.

4 Perhatikan letak daerahnya.

5 Tarik kesimpulan (H0 ditolak atau tidak ditolak).

6 Tuliskan dalam kalimat non matematika.

 Uji Hipotesis Rataan 1 Populasi
5

Daerah Kritis
Hipotesis
diketahui tidak diketahui
vs (dwi arah) atau atau
vs (eka arah)
vs (eka arah)

ditolak apabila statistik uji berada di daerah kritis.

: konstanta rataan yang diketahui

Dwi arah : Terdapat dua daerah kritis dengan luas masing-masing
Eka arah : Hanya terdapat satu daerah kritis dengan luas
 Uji Hipotesis Rataan 1 Populasi
6

#Cara Manual
#Input
Kasus bentuk statistik uji untuk x = read.csv(“nama file.csv”) #data
xbar = mean(x) #mean sampel
rataan satu populasi mu0 #nilai hipotesis
sigma #standar deviasi populasi
1. Kasus diketahui : n = length(x) #banyak observasi
alpha = 0.05 #taraf signifikansi
𝒙 −𝝁𝟎
𝒛 𝑯 𝒊𝒕𝒖𝒏𝒈 = #Statistika uji (bandingkan z hitung dengan z tabel)

𝝈 /√𝒏
z = (xbar-mu0)/(sigma/sqrt(n)) #z hitung
z.lower = qnorm(alpha) #z tabel eka arah
z.upper = qnorm(1-alpha) #z tabel eka arah
z.half.alpha = qnorm(1-alpha/2) #z tabel dwi arah
z.twosided = c(-z.half.alpha, z.half.alpha)

#p-value (bandingkan p-value dengan alpha)

pval.lower = pnorm(z) #eka arah
pval.upper = pnorm(z, lower.tail = FALSE) #eka arah
pval.twosided = 2*pnorm(z) #dwi arah

#Cara Otomatis
library(TeachingDemos)
z.test(x, mu=mu0, sd=sigma,
alternative = c(“two.sided”,”less”,”greater”),
conf.level = 0.95)
 Uji Hipotesis Rataan 1 Populasi
7

#Cara Manual
2. Kasus tidak diketahui: #Input
x #data
xbar = mean(x) #mean sampel
mu0 #nilai hipotesis
𝒙 − 𝝁𝟎 s = sd(x) #standar deviasi sampel
𝒕 𝑯= n = length(x) #banyak observasi
𝒔 / √𝒏 alpha = 0.05 #taraf signifikansi

#Statistika uji (bandingkan t hitung dengan t tabel)

dengan variansi sampel dan derajat
kebebasan:
t = (xbar-mu0)/(s/sqrt(n)) #t hitung
t.lower = qt(alpha,df = n-1) #t tabel eka arah
t.upper = qt(1-alpha, df = n-1) #t tabel eka arah
t.half.alpha = qt(1-alpha/2, df = n-1) #t tabel dwi arah
t.twosided = c(-t.half.alpha, t.half.alpha)

#p-value (bandingkan p-value dengan alpha)

pval.lower = pt(t, df=n-1) #eka arah
pval.upper = pt(t, df=n-1, lower.tail = FALSE)#eka arah
pval.twosided = 2*pt(t, df=n-1) #dwi arah

#Cara Otomatis
t.test(x, mu=mu0, alternative = c(“two.sided”,”less”,”greater”),
conf.level = 0.95)
8

Contoh Soal 1

Sebuah mesin menghasilkan potongan logam berbentuk silinder.

Selanjutnya ukuran diameter dari potongan logam tersebut (dalam
mm) adalah:
1.01 0.97 1.03 1.04 0.99 0.98 0.99 1.01 1.03

Uji pernyataan yang mengatakan bahwa rata-rata potongan logam

tersebut lebih kecil dari 1.09 mm (gunakan )

Copyright 2020 © KK Statistika, FMIPA – ITB

9 Prosedur R Soal 1
Editor Console
setwd(“Alamat folder") > #Cara Manual (bandingkan t hitung dengan t tabel)
library(readxl) > (t = (xbar-mu0)/(s/sqrt(n))) #t hitung
[1] -10.31843
#Input > (t.lower = qt(alpha,df = n-1)) #t tabel eka arah
x = read_excel("DATA UJI HIPOTESIS.xlsx", sheet [1] -1.859548
= "contoh diameter logam") >
x = as.numeric(x$`diameter potongan logam`) > #p-value (bandingkan p-value dengan alpha)
xbar = mean(x)#mean sampel > (pval.lower = pt(t, df=n-1)) #eka arah
mu0 = 1.09 #nilai hipotesis [1] 3.356892e-06
s = sd(x) #standar deviasi sampel >
n = length(x) #banyak observasi > #Cara Otomatis
alpha = 0.05 #taraf signifikansi > t.test(x, mu=mu0, alternative = "less", conf.level =
0.95)
#Cara Manual (bandingkan t hitung dengan t
tabel) One Sample t-test
(t = (xbar-mu0)/(s/sqrt(n))) #t hitung
(t.lower = qt(alpha,df = n-1)) #t tabel data: x
eka arah t = -10.318, df = 8, p-value = 3.357e-06
alternative hypothesis: true mean is less than 1.09
#p-value (bandingkan p-value dengan alpha) 95 percent confidence interval:
(pval.lower = pt(t, df=n-1)) #eka arah -Inf 1.020774
sample estimates:
#Cara Otomatis mean of x
t.test(x, mu=mu0, alternative = "less", 1.005556
conf.level = 0.95)
 Solusi Soal 1
10

Uji hipotesis berikut :

Dari hasil perhitungan tersebut, dengan diperoleh dan serta . Karena nilai statistik uji atau ,
maka ditolak. Jadi kesimpulan yang diambil adalah rata-rata potongan logam tersebut kurang
dari 1.09 mm.
 Uji Hipotesis Selisih Rataan 2 Populasi
11

Daerah Kritis
Hipotesis
diketahui tidak diketahui
vs atau atau
vs
vs

ditolak apabila statistik uji berada di daerah kritis.

: konstanta rataan yang diketahui

Dwi arah : Terdapat dua daerah kritis dengan luas masing-masing
Eka arah : Hanya terdapat satu daerah kritis dengan luas
12
Uji Hipotesis Selisih Rataan 2 Populasi
#1. Kasus variansi 1 dan 2 diketahui
1. Kasus variansi kedua #Input
x1, x2 #data
populasi diketahui xbar1 = mean(x1) #mean sampel x1
xbar2 = mean(x2) #mean sampel x2
mu0 #nilai hipotesis
sigma1, sigma2 #standar deviasi populasi
n1, n2 #banyak observasi
alpha = 0.05 #taraf signifikansi

#Statistika uji (bandingkan t hitung dengan t tabel)

xbar = xbar1 – xbar2
z = (xbar-mu0)/sqrt((sigma1^2/n1)+(sigma2^2/n2)) #z hitung
z.lower = qnorm(alpha) #z tabel eka arah
z.upper = qnorm(1-alpha) #z tabel eka arah
z.half.alpha = qnorm(1-alpha/2) #z tabel dwi arah
z.twosided = c(-z.half.alpha, z.half.alpha)

#p-value (bandingkan p-value dengan alpha)

pval.lower = pnorm(z) #eka arah
pval.upper = pnorm(z, lower.tail = FALSE) #eka arah
pval.twosided = 2*pnorm(z) #dwi arah
13
Uji Hipotesis Selisih Rataan 2 Populasi
#2a. Kasus variansi 1 dan 2 tidak diketahui dan dianggap sama
#Input
2. Kasus variansi kedua populasi tidak x1, x2 #data
xbar1 = mean(x1) #mean sampel x1
diketahui xbar2 = mean(x2) #mean sampel x2
mu0 #nilai hipotesis
S1 = sd(x1) #standar deviasi sampel x1
a) Variansi dianggap sama () S2 = sd(x2) #standar deviasi sampel x2
n1, n2 #banyak observasi
alpha = 0.05 #taraf signifikansi
#Cara Manual
df = n1+n2-2
Sp = (((n1-1_*S1^2)+((n2-1)*S2^2))/(df)
xbar = xbar1 – xbar2
t = (xbar-mu0)/(sqrt(Sp)*(sqrt((1/n1)+(1/n2)))) #t hitung
t.lower = qt(alpha, df) #t tabel eka arah
t.upper = qt(1-alpha, df) #t tabel eka arah
Dengan derajat kebebasan: t.half.alpha = qt(1-alpha/2, df) #t tabel dwi arah
t.twosided = c(-t.half.alpha, t.half.alpha)

#p-value (bandingkan p-value dengan alpha)

pval.lower = pt(t, df) #eka arah
pval.upper = pt(t, df, lower.tail = FALSE) #eka arah
pval.twosided = 2*pt(t, df) #dwi arah

#Cara Otomatis
t.test(x1, x2, mu=mu0, var.equal=TRUE, alternative =
c(“two.sided”,l”less”,”greater”), conf.level=0.95)
14
Uji Hipotesis Selisih Rataan 2 Populasi
#2b. Kasus variansi 1 dan 2 tidak diketahui dan dianggap berbeda
2. Kasus variansi kedua populasi tidak #Input
diketahui x1, x2 #data
xbar1 = mean(x1) #mean sampel x1
xbar2 = mean(x2) #mean sampel x2
b) Variansi dianggap berbeda () mu0 #nilai hipotesis
S1 = sd(x1) #standar deviasi sampel x1
S2 = sd(x2) #standar deviasi sampel x2
n1, n2 #banyak observasi
alpha = 0.05 #taraf signifikansi
#Cara Manual
Dengan derajat kebebasan: df = ((S1^2/n1) + (S2^2/n2))^2/
(((1/(n1-1))*(S1^2/n1)^2)+((1/(n2-1))*(S2^2/n2)^2))
xbar = xbar1 - xbar2
t = (xbar-mu0)/(sqrt((S1^2/n1)+(S2^2/n2))) #t hitung
t.lower = qt(alpha, df) #t tabel eka arah
t.upper = qt(1-alpha, df) #t tabel eka arah
t.half.alpha = qt(1-alpha/2, df) #t tabel dwi arah
t.twosided = c(-t.half.alpha, t.half.alpha)

#p-value (bandingkan p-value dengan alpha)

pval.lower = pt(t, df=n-1) #eka arah
pval.upper = pt(t, df=n-1, lower.tail = FALSE)#eka arah
pval.twosided = 2*pt(t, df=n-1) #dwi arah

#Cara Otomatis
t.test(x1, x2, mu=mu0, var.equal=FALSE, alternative =
c(“two.sided”,”less”,”greater”), conf.level=0.95)
15
Uji Hipotesis Rataan Berpasangan
#3. Kasus Data Berpasangan
Statistik Uji menggunakan statistik untuk #Input
kasus satu populasi dengan variansi tidak d = x1 - x2 #data
dbar = mean(d) #mean sampel
diketahui: mu0 #nilai hipotesis
Sd = sd(d) #standar deviasi sampel
n = length(d) #banyak observasi
alpha = 0.05 #taraf signifikansi
dengan dan derajat kebebasan #Cara Manual
t = (dbar – mu0)/(sd/sqrt(n)) #t hitung

t.lower = qt(alpha,df = n-1) #t tabel eka arah

t.upper = qt(1-alpha) #t tabel eka arah
t.half.alpha = qt(1-alpha/2) #t tabel dwi arah
Hipotesis Daerah Kritis t.twosided = c(-t.half.alpha, t.half.alpha)

vs atau #p-value (bandingkan p-value dengan alpha)

pval.lower = pt(t, df=n-1) #eka arah
vs pval.upper = pt(t, df=n-1, lower.tail = FALSE)#eka arah
pval.twosided = 2*pt(t, df=n-1) #dwi arah
vs #Cara Otomatis
t.test(x1, x2, mu=mu0, paired=T, alternative =
c(“two.sided”,l”less”,”greater”), conf.level=0.95)
16

Contoh Soal 2
Sebuah majalah tentang kriminalitas menyatakan bahwa lama ditahannya (dalam
bulan) seorang narapidana karena kasus penipuan lebih pendek setidaknya 10 bulan
dibanding kasus senjata api. Seorang ahli kriminologi mencatat masa tahanan 10
narapidana karena kasus penipuan dan 8 narapidana karena kasus senjata api sampai
mereka bebas dari penjara sbb:
Penipuan 3.6 5.3 10.7 8.5 11.8 15.5 13 7 5.9 7

Senjata Api 25.5 10.4 18.4 19.6 20.9 10.3 18.2 18.1    

Asumsikan bahwa data berasal dari distribusi normal. Untuk tingkat signifikansi 5%,
apakah pernyataan pada majalah tersebut didukung oleh data yang ada?

Copyright 2020 © KK Statistika, FMIPA – ITB

17 Prosedur R Soal 2
Editor Console
setwd("D://Praktikum Statistika//Praktikum 2020") > #Cara Manual (Bandingkan Statistik Uji T
library(readxl) hitung dan T tabel)
#Input > (df = ((S1^2/n1) + (S2^2/n2))^2/
x = read_excel("DATA UJI HIPOTESIS.xlsx", sheet = "latihan no 6") + (((1/(n1-1))*(S1^2/n1)^2)+((1/(n2-
x1 = as.numeric(x$Penipuan) 1))*(S2^2/n2)^2)))
x2 = as.numeric(x$`Senjata Api`) [1] 12.60011
x2 = na.omit(x2) #menghapus missing value atau NA > (xbar = xbar1 - xbar2)
xbar1 = mean(x1) #mean sampel x1 [1] -8.845
xbar2 = mean(x2) #mean sampel x2 > (t = (xbar-mu0)/(sqrt((S1^2/n1)+(S2^2/n2))))
mu0 = -10 #nilai hipotesis #t hitung
S1 = sd(x1) #standar deviasi sampel x1 [1] 0.5318017
S2 = sd(x2) #standar deviasi sampel x2 > (t.lower = qt(alpha, df))
n1 = length(x1) #banyak observasi #t tabel eka arah
n2 = length(x2) [1] -1.775241
alpha = 0.05 #taraf signifikansi >
> #p-value (bandingkan p-value dengan alpha)
#Cara Manual (Bandingkan Statistik Uji T hitung dan T tabel) > (pval.lower = pt(t, df)) #eka arah
(df = ((S1^2/n1) + (S2^2/n2))^2/ [1] 0.6979432
(((1/(n1-1))*(S1^2/n1)^2)+((1/(n2-1))*(S2^2/n2)^2)))
(xbar = xbar1 - xbar2)
(t = (xbar-mu0)/(sqrt((S1^2/n1)+(S2^2/n2)))) #t hitung
(t.lower = qt(alpha, df)) #t tabel eka arah

#p-value (bandingkan p-value dengan alpha)

(pval.lower = pt(t, df)) #eka arah
18 Prosedur R Soal 2
Editor
#Cara Otomatis
t.test(x1, x2, mu=mu0, var.equal=FALSE, alternative = "less", conf.level=0.95)

Console
> #Cara Otomatis
> t.test(x1, x2, mu=mu0, var.equal=FALSE, alternative = "less", conf.level=0.95)

Welch Two Sample t-test

data: x1 and x2
t = 0.5318, df = 12.6, p-value = 0.6979
alternative hypothesis: true difference in means is less than -10
95 percent confidence interval:
-Inf -4.98942
sample estimates:
mean of x mean of y
8.830 17.675
 Solusi Soal 2
19

Misalkan adalah rataan masa penahanan kasus penipuan dan adalah rataan masa penahanan
kasus senjata api. Hipotesis menyatakan bahwa lama ditahannya (dalam bulan) seorang narapidana
karena kasus penipuan lebih pendek setidaknya 10 bulan dibanding kasus senjata api.
Uji hipotesis berikut :

Dari hasil perhitungan tersebut, dengan diperoleh derajat kebebasan sehingga dan serta .
Karena nilai statistik uji atau , maka tidak ditolak. Jadi kesimpulan yang diambil adalah masa
tahanan kasus penipuan lebih singkat setidaknya 10 bulan daripada kasus senjata api.
20
Uji Hipotesis Variansi 1 Populasi
Statistik Uji : #Variansi satu populasi
#Input
x #data
sigma0 #nilai hipotesis
S = sd(x) #standar deviasi sampel x
Dengan derajat kebebasan n = length(d) #banyak observasi
alpha = 0.05 #taraf signifikansi

#Cara Manual (Bandingkan chi hitung dan chi tabel)

chi = (n-1)*S^2/sigma0 #chi hitung
chi.lower = qchisq(alpha, df=n-1) #chi tabel eka arah
chi.upper = qchisq(1-alpha, df=n-1) #chi tabel eka arah
Hipotesis Daerah Kritis chi.half.alpha = qchisq(1-alpha/2, df=n-1) #chi tabel dwi arah
chi.twosided = c(-chi.half.alpha, chi.half.alpha)
vs atau
#P-value (bandingkan p-value dengan alpha)
pval.lower = pchisq(chi, df=n-1) #eka arah
pval.upper = pchisq(chi, df=n-1, lower.tail = FALSE) #eka arah
pval.twosided = 2*pchisq(chi, df=n-1) #dwi arah

#Cara Otomatis
library(TeachingDemos)
sigma.test(x, sigma=sqrt(sigma0), alternative = c(“two.sided”,
“less”, “greater”), conf.level = 0.95)
21
Uji Hipotesis Variansi 2 Populasi
#Variansi satu populasi
Statistik Uji : #Input
x1, x2 #data
Dengan derajat kebebasan S1 = sd(x1)
S2 = sd(x2)
#standar deviasi sampel x1
#standar deviasi sampel x2
n1 = length(x1) #banyak observasi x1
dan n2 = length(x2) #banyak observasi x2
alpha = 0.05 #taraf signifikansi
#Cara Manual (Bandingkan F hitung dan F tabel)
F = S1^2/S2^2 #F hitung
F.lower = qf(alpha, n1-1, n2-1) #chi tabel eka arah
F.upper = qf(1-alpha, n1-1, n2-1) #chi tabel eka arah
Hipotesis Daerah Kritis F.half.alpha = qf(1-alpha/2, n1-1, n2-1) #chi tabel dwi arah
F.twosided = c(-F.half.alpha, F.half.alpha)
vs
atau #P-value (bandingkan p-value dengan alpha)
pval.lower = pf(F, n1-1, n2-1) #eka arah
pval.upper = pf(F, n1-1, n2-1, lower.tail = FALSE) #eka arah
pval.twosided = 2*pf(F, n1-1, n2-1) #dwi arah

#Cara Otomatis
var.test(x1, x2, ratio = 1, alternative = c(“two.sided”,
“less”, “greater”), conf.level = 0.95)
22

Contoh Soal 3

Sebuah mesin menghasilkan potongan logam berbentuk silinder.

Selanjutnya ukuran diameter dari potongan logam tersebut (dalam mm)
adalah:
1.01 0.97 1.03 1.04 0.99 0.98 0.99 1.01 1.03

Uji pernyataan yang mengatakan bahwa standar deviasi potongan logam

tersebut lebih besar dari 0.1 mm (gunakan )

Copyright 2020 © KK Statistika, FMIPA – ITB

23
Prosedur R Soal 2
Editor Console
library(readxl) > #Cara Manual (Bandingkan chi hitung dan chi tabel)
x <-read_excel("DATA UJI HIPOTESIS.xlsx", sheet = > (chi = (n-1)*S^2/sigma0)
"contoh diameter logam") [1] 48.22222
x <- as.numeric(x$`diameter potongan logam`) > (chi.upper = qchisq(1-alpha, df=n-1)) #chi
S = sd(x) #stadar deviasi sampel tabel eka arah
sigma0 = 0.01^2 #nilai hipotesis variansi [1] 15.50731
n = length(x) #banyak data > #P-value (bandingkan p-value dengan alpha)
alpha=0.05 > (pval.upper = pchisq(chi, df=n-1, lower.tail =
FALSE)) #eka arah
#Cara Manual (Bandingkan chi hitung dan chi
[1] 8.958596e-08
tabel)
>
(chi = (n-1)*S^2/sigma0) #chi hitung
> #Cara Otomatis
(chi.upper = qchisq(1-alpha, df=n-1)) #chi tabel
> library(TeachingDemos)
eka arah
> sigma.test(x, sigma=sqrt(sigma0), alternative =
"greater", conf.level = 0.95)
#P-value (bandingkan p-value dengan alpha)
(pval.upper = pchisq(chi, df=n-1, lower.tail =
One sample Chi-squared test for variance
FALSE)) #eka arah
data: x
#Cara Otomatis
X-squared = 48.222, df = 8, p-value = 8.959e-08
library(TeachingDemos)
alternative hypothesis: true variance is greater than
sigma.test(x, sigma=sqrt(sigma0), alternative =
1e-04
"greater", conf.level = 0.95)
95 percent confidence interval:
0.0003109644 Inf
sample estimates:
var of x
0.0006027778
 Solusi Soal 3
24

Uji hipotesis berikut :

Dari hasil perhitungan tersebut, dengan diperoleh dan serta . Karena nilai statistik uji
atau , maka ditolak. Jadi kesimpulan yang diambil adalah variansi potongan logam
tersebut lebih dari .
25

Uji Hipotesis Lainnya

UJI KENORMALAN

Hal ini penting untuk diperiksa sebelum melakukan pembangunan model, misalkan model regresi.
Dalam menghadapi data, seringkali ingin diketahui apakah data tersebut berdistribusi normal atau
tidak.
Uji kenormalan yang terkenal adalah uji Kolomogorov-Smirnov, yaitu membandingkan nilai distribusi
dari data empirik dengan distribusi normal. Statistik ujinya adalah

dengan adalah nilai fungsi distribusi empiris dan adalah nilai fungsi distribusi normal.
Hipotesis nol dan tandingan untuk uji kenormalan adalah:
: data berdistribusi normal
data tidak berdistribusi normal
26
UJI KENORMALAN
Contoh: produksi sumur minyak tahun
1992 di suatu daerah tercatat sebagai
berikut:
5,6 5,4 4,3 7,4 5 6,67 6,3 4,8 7,62 4,56 6,43 5,5
Lakukan uji kenormalan terhadap data di
atas dengan uji Kolmogorov-Smirnov.
Editor
x<-c(5.6,5.4,4.3,7.4,5,6.67,6.3,4.8,
7.62,4.56,6.43,5.5) #input data
ks.test(x,"pnorm") #pnorm=distribusi normal
Console
> ks.test(x,"pnorm") #pnorm=distribusi normal
One-sample Kolmogorov-Smirnov test
data: x
D = 0.99999, p-value = 3.331e-16
alternative hypothesis: two-sided
Dari perhitungan di atas diperoleh p-
value , maka H0 ditolak. Jadi data tersebut
tidak berdistribusi normal.
27

Uji Hipotesis Lainnya

UJI KEBEBASAN

Hal ini penting untuk diperiksa sebelum melakukan uji-uji statistik lain seperti uji
data berdistribusi tertentu. Salah satu cara uji kebebasan adalah uji chi-kuadrat.

Hipotesis nol dan tandingan untuk uji kebebasan antara dua variabel A dan B adalah
: variabel A dan B saling bebas
: variabel A dan B tidak saling bebas
28
UJI KEBEBASAN

Seorang peneliti ingin mengethaui apakah terdapat Console

hubungan antara jenis kelamin dengan hobi dengan
> x<-c(27,13,35,15,33,27,25,25)
data berikut:
> (s<-matrix(x,3,4))
Data:
[,1] [,2] [,3] [,4]
Laki-laki yang suka olah raga 27   Laki-laki yang suka shopping 33 [1,] 27 35 33 25
[2,] 13 15 27 25
Perempuan yang suka olah 13   Perempuan yang suka 27
raga shopping > chisq.test(s)
Laki-laki yang suka otomotif 35   Laki-laki yang suka 25
Pearson's Chi-squared test
komputer
Perempuan yang suka 15   Perempuan yang suka 25 data: s
otomotif komputer
X-squared = 5.7292, df = 3, p-value = 0.1256

INPUT DATA DAN BUAT TABEL KONTINGENSI

x<-c(27,13,35,15,33,27,25,25)
(s<-matrix(x,3,4)) #buat tabel kontingensi
chisq.test(s) #uji kebebasan Tentukan kriteria pengujian: p-value
tidak ditolak, yaitu tidak terdapat hubungan
yang signifikan antara jenis kelamin dengan
hobi.
29
Tim Penyusun
Dr. Utriweni Mukhaiyar
Dosen KK Statistika
Kepala Laboratorium Statistika dan Komputasi Statistika

Fatia Amalia, S.Si

Asisten KK Statistika

Pengajar Semester I – 2020/2021

Dr. Udjianna S. Pasaribu Dr. Sapto Wahyu Indratno
Dosen KK Statistika, MA2181 Analisis Data Dosen KK Statistika, MA2082 Biostatistika

Dr. Rr. Kurnia Novita Sari Yuli Sri Afrianti, S.Si., MT, MBA.
Dosen KK Statistika, MA2181 Analisis Data Dosen KK Statistika,
MA2181 Analisis Data / MA2081 Statistika Dasar
Dr. Sandy Vantika
Dosen KK Statistika, Dr. Utriweni Mukhaiyar
MA2181 Analisis Data / MA2081 Statistika Dasar Dosen KK Statistika, MA2082 Biostatistika

Copyright 2020 © KK Statistika, FMIPA – ITB

30

Selamat Praktikum!

Copyright 2020 © KK Statistika, FMIPA – ITB