LECTURE 14

UJI HIPOTESIS UNTUK KESAMAAN RATA-

RATA DUA POPULASI
 
 Univariat:
Uji dua rata-rata populasi

Pernyataan hipotesis: H 0 : 1   2
H1 : 1   2
x1  x2
t
 Statistik uji disebut
1 1 juga thitung
S 
n1 n2

 dengan ‘pooled variance’ (variansi gabungan) :

2 (n1  1) S12  (n2  1) S 22
S 
n1  n2  2
Contoh univariat:

Misalkan data hipotetik berikut merupakan data pengamatan dua

kelompok. Selanjutnya uji apakah ada kesamaan rata-rata kedua
kelompok.
Dengan SAS, gunakan PROC TTest
Output dari SAS adalah sbb:

Dari output dapat dilihat bahwa uji ini tidak signifikan dengan p-
value=0.1339 (nilai alpha terkecil utnuk menolak Ho). Karena p-
value ini lebih besar dari 5% (kekeliruan yang dapat ditolerir)
maka terlalu besar kekeliruan yang kita buat dengan
‘memaksakan’ menolak Ho. Oleh karena itu Ho diterima, tidak
terdapat perbedaan yang signifikan pada rata2 kedua kelompok ini.

Perhatikan bahwa program di atas menggunakan PROC TTEST.

Bandingkan dengan PROC ANOVA berikut ini.
Gunakan PROC ANOVA yang tentu saja menggunakan uji F:

dm'; log; clear; out; clear;';

title anova;
data hipotetik;
input kodegr x;
cards;
1 1
1 2
1 4
1 6
1 6
2 4
2 5
2 5
2 8
2 8
;
proc anova;
class kodegr;
model x=kodegr;
run;
Bandingkan output ini dengan output sebelumnya

The ANOVA Procedure

 
Dependent Variable: x
 
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 1 12.10000000 12.10000000 2.78 0.1339
Error 8 34.80000000 4.35000000
Corrected Total 9 46.90000000
 
R-Square Coeff Var Root MSE x Mean
0.257996 42.56460 2.085665 4.900000
 
Source DF Anova SS Mean Square F Value Pr > F
kodegr 1 12.10000000 12.10000000 2.78 0.1339
Multivariate case:
lihat J-W p.284 (sub-ch 6.3)

Misalkan X , X 12 , ...,X 1n adalah sampel acak berukuran n1

11

yang berdistribusi normal N p (μ1 , Σ1 ) dan X , X 22 , ...,X 2 n

21

adalah sampel acak berukuran n2yang berdistribusi normal

N p (μ 2 ,.Σ 2 )

Hipotesis untuk menguji kesamaan rata-rata populasi 1 dan

populasi 2 dinyatakan sebagai:
H o : μ1  μ 2
H 1 : μ1  μ 2

dengan statistik uji T2

 2 n1 n2
Statistik Hotelling T  ( X1  X 2 )' S1 ( X1  X 2 )
n1  n2

2
Dengan Sadalah pooled variance-covariance matrix.
2 2
2 (n1  1)S  (n2  1)S
S  1 2
n1  n2  2

Statistik ini dapat ditransformasi menjadi statistik F

(n1  n2  p  1) 2
F T
(n1  n2  2) p
Fp ,n1  n2  p 1 ( )
yang berdistribusi
Contoh: Ex 6.3 J-W p.287

Perhatikan data yang disajikan pada p.287

Fifty bars of soap are manufactured in each of two
ways. Two characteristics, X1 = lather and X2 =
mildness, are measured. The summary statistics for bars
produced by methods 1 and 2.

 8.3  10.2   2 1 2 1
x1    x 2    S1    S 2   
 4.1  3.9   1 6  1 4
Uji, apakah ada kesamaan kedua rata-rata kelompok ini
PROC IML untuk uji 2 rata-rata populasi
dengan statistik T2

 dm'; log; clear; out; clear;';

 proc iml;
 n1=50; n2=50;p=2;
 mean1={8.3, 4.1};
 mean2={10.2, 3.9};
 s1={2 1, 1 6};
 s2={2 1, 1 4};
 spooled=(((n1-1)*s1)+((n2-1)*s2))/(n1+n2-2);
 si=inv(spooled);
 md=mean1-mean2;
 t2=((n1*n2)/(n1+n2))*md`*si*md;
 f=((n1+n2-p-1)/((n1+n2-2)*p))*t2;
 df1=p; df2=n1+n2-p-1;
 ftable=finv(0.975,df1,df2);
 print spooled md;
 print si;
 print t2 f;
 print ftable;
 Run;
Output

 Cek ulang hasil, krn ini utk n1=10, n2=10

 SPOOLED MD

 2 1 -1.9
 1 5 0.2

 SI
 0.5555556 -0.111111
 -0.111111 0.2222222

 T2 F
 10.494444 4.9557099

 FTABLE
 4.6188743
Contoh: PROC IML dengan raw data

Perhatikan data hipotetik berikut ini

Group 1 Group 2
X1 X2 X1 X2
13 4 4 2
10 6 2 -1
10 2 0 -5
8 -2 -1 -1
7 4 -3 -4
6 -3
5 0

Uji, apakah ada kesamaan kedua rata-rata kelompok ini

Gunakan PROC IML

 dm'; log; clear; out; clear;'; sscp1=x1m`*x1m;

sscp2=x2m`*x2m;
 proc iml;
s1=(1/(n1-1))*x1m`*x1m;
 y1={13 10 10 8 7 6 5, 4 6 2 -2 4 -3 s2=(1/(n2-1))*x2m`*x2m;
0}; sscp=(sscp1+sscp2);
 y2={4 2 0 -1 -3, 2 -1 -5 -1 -4}; sw=sscp/(n1+n2-2);
 n1=7; n2=5;p=2; si=inv(sw);
 df1=p; df2=n1+n2-p-1;
meandif=mean1-mean2;
md2=meandif*si*meandif`;
 x1=y1`;
t2=((n1*n2)/(n1+n2))*md2;
 x2=y2`; f=((n1+n2-p-1)/((n1+n2-2)*p))*t2;
 one1={1, 1, 1, 1, 1, 1, 1}; ftable=finv(0.95,df1,df2);
 one2={1, 1, 1, 1, 1}; print mean1 mean2;
print s1 s2;
 onet1=one1`;
print sscp1 sscp2 sscp;
 onet2=one2`; print sw;
 mean1=(onet1*x1)/n1; print meandif;
 mean2=(onet2*x2)/n2; print md2 t2 f;
print ftable;
 x1m=x1-one1*mean1;
run;
 x2m=x2-one2*mean2;
 MEAN1 MEAN2
 8.4285714 1.5714286 0.4 -1.8

 S1 S2
 7.6190476 5.547619 7.3 5.65
 5.547619 11.285714 5.65 7.7

 SSCP1 SSCP2 SSCP

 45.714286 33.285714 29.2 22.6 74.914286 55.885714
 33.285714 67.714286 22.6 30.8 55.885714 98.514286

 MEANDIF
 8.0285714 3.3714286

 MD2 T2 F
 9.8102602 28.613259 25.751933

 FTABLE
 4.2564947
 MEAN1 MEAN2
 8.4285714 1.5714286 0.4 -1.8

 S1 S2
 7.6190476 5.547619 7.3 5.65
 5.547619 11.285714 5.65 7.7

 SSCP1 SSCP2 SSCP

 45.714286 33.285714 29.2 22.6 74.914286 55.885714
 33.285714 67.714286 22.6 30.8 55.885714 98.514286

 SW
 7.4914286 5.5885714
 5.5885714 9.8514286

 MEANDIF
 8.0285714 3.3714286

 MD2 T2 F
 9.8102602 28.613259 12.875966

 FTABLE
 4.2564947
 
Selanjutnya digunakan PROC GLM dalam SAS utk raw data
 Diperoleh output sebagai berikut:

Dari output di atas dapat dilihat bahwa F=12.88 dengan p-value

0.0023. Dengan demikian Ho ditolak dan disimpulkan bahwa
kedua vektor tersebut berbeda.