laporan praktikum statistik dasar pertemuan ke 7 akakom

7/13/2019 Laporan Praktikum Statistik Dasar Pertemuan Ke 7 akakom

1/22

LAPORAN PRAKTIKUM

STATISTIK DASAR

PERTEMUAN KE-7

DISUSUN OLEH

NAMA : ARIE FIRMANSAYAH

NIM : 135410081

SEKOLAH TINGGI ILMU MANAJEMEN

INFORMATIKA DAN KOMPUTER

AKAKOM

2014


2/22

ARIE FIRMANSYAHNIM : 135410081

1

PERTEMUAN KE-7

UJI PERBANDINGAN RATA-RATA DUA POPULASI

A. DASAR TEORI

Independent sample t-testadalah jenis uji statistika yang bertujuan untuk

membandingkan rata-rata dua grup yang tidak saling berpasangan atau tidak

saling berkaitan. Tidak saling berpasangan dapat diartikan bahwa penelitian

dilakukan untuk dua subjek sampel yang berbeda.

Prinsip pengujian uji ini adalah melihat perbedaan variasi kedua kelompok data,

sehingga sebelum dilakukan pengujian, terlebih dahulu harus diketahui apakah

variannya sama (equal variance) atau variannya berbeda (unequal variance).

Homogenitas varian diuji berdasarkan rumus:

Data dinyatakan memiliki varian yang sama (equal variance) bila F-Hitung < F-

Tabel, dan sebaliknya, varian data dinyatakan tidak sama (unequal variance) bila

F-Hitung > F-Tabel.

Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar

erroryang akhirnya akan membedakan rumus pengujiannya.

Uji t untuk varian yang sama (equal variance) menggunakan rumus Polled

Varians:

Uji t untuk varian yang berbeda (unequal variance) menggunakan

rumus Separated Varians:


3/22


2

Paired Sampel t-Test, adalah jenis uji statistika yang bertujuan untuk

membandingkan rata-rata dua grup yang saling berpasangan. Sampel

berpasangan dapat diartikan sebagai sebuah sampel dengan subjek yang sama

namun mengalami 2 perlakuan atau pengukuran yang berbeda, yaitu pengukuran

sebelum dan sesudah dilakukan sebuah treatment.

Syarat jenis uji ini adalah: (a) data berdistribusi normal; (b) kedua kelompok data

adalah dependen (saling berhubungan/berpasangan); dan (c) jenis data yang

digunakan adalah numeric dan kategorik (dua kelompok).

Rumus t-test yang digunakan untuk sampel berpasangan (paired) adalah:

B. LATIHAN

1. Kasus uji perbandingan rata-rata untuk 2 sample independent

Kasus :

Seseorang ingin mengetahui apakah ada perbedaan berat badan (BB) bayi laki-

laki dan perempuan yang berumur 6 bulan didesa Marga Rini. Berikut adalah

data yang diambil dari 10 sample bayi

Nama JK BB

Noni P 7.2Ari L 6.8

Aji L 7.5

Lia P 6.2

Arini P 6.8

Dian L 7.2

Maya P 7.6

Puspa L 6.9

Tari P 7.1

Puji P 7.4

Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain, yaitu


4/22


3

sampel berjenis kelamin Laki-laki tentu berbeda dengan sampel berjenis kelamin

Permpuan . Di sini populasi diketahui berdistribusi normal, dan karena sampel

sedikit, dipakai uji t untuk dua sampel.

Langkah-langkah analisis nya dalah sebagai berikut :

1. Masukan dahulu data yang telah tersedia pada spss sehingga didapat output

sebagai berikut :

2. Klik AnalyzeCompare-MeansIndependent-Sample T test

Sehingga tampak tampilan :

Masukan variabel Bb pada kotak Test Variable(s) dan variabel Jk pada kotak

Grouping Variable


5/22


4

klik Define groups

sehingga akan tampak tampilan jendela baru seperti gambar dibawah ini

Isikan angka 1 (berarti jenis kelamin laki-laki) pada group 1 dan isikan angka 2

(berarti jenis kelamin perempuan) pada group 2

klik ContinueOK

Sehingga tampak output :

1. Output bagian pertama

Penjelasan Output :

Terlihat ringkasan statistik dari kedua sample. Berat badan (Bb) rata-rata bayi

laki-laki (Jk=1) adalah 7,1 Kg , dan Berat badan (Bb) rata-rata bayi Perempuan

(Jk=2) adalah 7,01 Kg.

Dari ke 2 data tersebut apakah ada perbedaan yang signifikan (jelas dan nyata)?

untuk itu analisis dilanjutkan pada bagian kedua output.

2. Output bagian kedua

Penjelasan Output :


6/22


5

Uji T 2 sample dilakukan dalam 2 tahapan. Tahap pertama adalah menguji

apakah varians dari 2 populasi bisa dianggap sama? Setelah itu baru dilakukan

pengujian untuk melihat ada tidaknya perbedaan rata-rata 2 populasi yang diuji.

Pengujian Berat badan (Bb) :

pertama yang dilakukan adalah pengujian apakah ada kesamaan varians pada

data laki-laki maupun perempuan. Pengujian asumsi kesamaan varians dilakukan

lewat uji F.

Hipotesis :

Hipotesis untuk pengujian Varians.

H0 = Kedua varians populasi berat badan antara bayi Laki-laki dan Perempuan

adalah sama.

H1 = Kedua varians populasi berat badan antara bayi Laki-laki dan Perempuan

adalah tidak sama

Pengambilan Keputusan :

Dasar pengambilan keputusan (uji varians menggunakan uji satu sisi) :

Jika probabilitas > 0,05 maka H0Diterima

Jika probabilitas < 0,05 maka H0Ditolak

Keputusan :

Terlihat bahwa F hitung untuk Berat badan dengan equal variance assumed

(Diasumsikan Kedua varians sama ) adalah 0.546 dengan probabilitas (.Sig)

0,481.

Oleh karena probabilitas (.Sig) > 0,05 maka H0 diterima atau kedua varians

adalah sama.


7/22


6

2. Kasus uji perbandingan rata-rata untuk 2 sample berpasangan

Kasus :

Seseorang ingin mengetahui apakah ada perbedaan terhadap hasil penggunaan

suatu alat penginggi tubuh.

Berikut adalah data yang diambil dari 7 responden

Nama TB_Sebelum TB_Sesudah

Dyah 152 153

Ninuk 142 142

Endah 150 151

Toni 159 159

Jane 145 145

Wida 150 150

Mimi 149 148

Kasus di atas terdiri atas dua sampel yang berhubungan atau berpasangan

satu dengan yang lain, yaitu sampel Tinggi badan sebelum (TB_Sebelum) dan

sampel tinggi badan sesudah (TB_Sesudah).

Di sini populasi diketahui berdistribusi normal, dan karena

anggota sampel sedikit (hanya 7 responden, yang berarti jauh di bawah 30),

dipakai uji t untuk dua sampel yang berpasangan.

Langkah-langkah analisis nya dalah sebagai berikut :

1. Masukan dahulu data yang telah tersedia pada spss sehingga didapat output

sebagai berikut :


8/22


7

2. Klik AnalyzeCompare-MeansPaired-Sample T test

Sehingga akan tampak tampilan :

tampak tampilan Paired Variable(s) atau Variabel yang akan diuji.

Oleh karena di sini akan diuji data sebelum dan sesudah, maka klikmouse

pada variabel TB_Sebelum, kemudian klik mouse sekali lagi pada variabel

TB_Sesudah, maka terlihat pada kolom Current Selection di bawah, terdapat

keterangan untuk variable 1 dan 2. Kemudian klik mouse pada tanda > (yang

sebelah atas), maka pada Paired variables terlihat tanda TB_Sebelum ..

TB_Sesudah.

klik option

Maka akan tampak tampilan :

1. Untuk Confidence Interval atau tingkat kepercayaan. Sebagai default,

SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi

100%-95% = 5%

2. Untuk Missing Values atau data yang hilang. Karena dalam kasus semua

pasangan data komplit (tidak ada yang kosong)


9/22


8

klik ContinueOK

Analisis


Penjelasan Output :

Pada bagian ini terlihat ringkasan statistic dari ke 2 sample. Untuk tinggi badan

sebelum (TB_Sebelum) mempunyai rata-rata 149,571 cm. sedangkan Tinggi

badan setelah (TB_Sesudah) mempunyai rata-rata 149,714.


Penjelasan Output :

Pada output bagian kedua ini adalah hasil korelasi antara kedua variabel yang

menghasilkan angka 0,992 dengan nilai probabilitas diatas 0,05 . Hal ini

menyatakan korelasi antara tinggi badan sebelum dan tinggi badan sesudah

adalah sangat erat dan berhubungan secara nyata.

3. Output bagian ketiga

Hipotesis :

H0 = Kedua rata-rata populasi adalah identik ( rata-rata populasi tinggi berat

badan sebelum dan sesudah adalah tidak berbeda secara nyata).


10/22


9

Hi = Kedua rata-rata populasi adalah tidak identik ( rata-rata populasi tinggi

badan sebelum dan sesudah adalah memang berbeda secara nyata)

Pengambilan keputusan :

Dasar Pengambilan keputusan :

1. Berdasarkan perbandingan t hitung dengan t tabel :

Jika statistic hitung (angka t output) > Statistik tabel (table t) makaH0 ditolak

Jika statistic hitung (angka t output) < Statistik tabel (table t) makaH0 diterima

Didalam output terdapat t hitung = 0,548

Langkah-langkah menghitung nilai t-table adalah sebagai berikut.

1. Masukan variabel baru dengan nama df. Nilai df adalah jumlah data1

= 71

= 6 .

2. Klik TransformComp ute Variable.

3. Isi kolom Target Variabledengan t_tabel, Isi kolom Numeric

Express iondengan IDF.T(0.95,df).

IDF.T ( )merupakan rumus untuk mencari nilai T-tabel.

0.95menyatakan nilai 95%, berasal dari 100% dikurangi tingkat signifikansi

5% = 95% = 0.95.

d f merupakan nama variabel yang telah dibuat (lihat poin pertama).

Pengisian kolom dapat dilihat pada gambar berikut.


11/22


10

4. Klik OK. Hasilnya tampak seperti gambar di bawah ini.

Didapat Nilai t-table =1,94

Oleh karena nilai t table > t hitung ( 1,94 > 0,548 ) maka H0 diterima.

Bisa disumpulkan alat peninggi tersebut tidak secara efektif meninggikan badan

responden secara signifikan.

2. Berdasarkan probabilitas

Jika probabilitas > 0,05 maka H0 diterima

Jika probabilitas < 0,05 maka H0 ditolak

Keputusan :

Terlihat t hitung adalah 0,548 dengan probabilitas 0,604.

Untuk uji 2 sisi,angka probabilitas adalah 0,604/2 = 0,302 . oleh karena 0.302 >

0,025 maka H0 diterima.

dapat disimpulkan bahwa tinggi badan sebelum dan sesudah adalah relative

sama,atau dengan kata lain alat peninggi tersebut tidak secara efektif

meninggikan badan responden secara signifikan.


12/22


11

C. TUGAS

Berikut data nilai peserta workshop X

Nama Jk Nilai_pre Nilai_post

Dyah Perempuan 52 60

Ninuk Perempuan 42 54Endah Perempuan 50 40

Toni Laki-laki 59 60

Jane Perempuan 45 44

Wida Perempuan 50 52

Mimi Perempuan 49 45

Tono Laki-laki 45 45

Andii Laki-laki 56 60

Dodi Laki-laki 61 56

Tentukan :

1. Apakah ada perbedaan nilai pre untuk peserta laki laki dan perempuan?

2. Apakah ada perbedaan nilai post untuk peserta laki laki dan perempuan?

3. Apakah ada perbedaan nilai pre dan nilai post?

JAWAB


13/22


12

1. Apakah ada perbedaan nilai pre untuk peserta laki laki dan perempuan?

JAWAB

Kasus diatas digolongkan menjadi independent sampel t test karena Jenis

kelamin merupakan variabel yang independent.

Langkah-langkah test nya adalah sebagai berikut :



Masukan variabel Nilai_pre pada kotak Test Variable(s) dan variabel Jk pada

kotak Grouping Variable

klik Define groups




klik ContinueOK




14/22


13

Penjelasan Output :

Terlihat ringkasan statistik dari kedua sample. Nilai_pre rata-rata peserta

workshop berjenis kelamin laki-laki (Jk=1) adalah 55,250 , dan Nilai_pre rata-rata

peserta workshop berjenis kelamin Perempuan (Jk=2) adalah 48.




Penjelasan Output :




Pengujian Nilai_pre :



lewat uji F.

Hipotesis :


H0 = Kedua varians populasi Nilai_pre antara peserta workshop berjenis kelamin

Laki-laki dan Perempuan adalah sama.

H1 = Kedua varians populasi Nilai_pre antara peserta workshop berjenis kelamin

Laki-laki dan Perempuan adalah tidak sama


15/22


14





Keputusan :

Terlihat bahwa F hitung untuk Nilai_pre dengan equal variance assumed

(Diasumsikan Kedua varians sama ) adalah 1,361 dengan probabilitas (.Sig)

0,277.


adalah sama/tidak ada perbedaan.

2. Apakah ada perbedaan nilai post untuk peserta laki laki dan perempuan?

JAWAB

Kasus diatas digolongkan menjadi independent sampel t test karena Jenis

kelamin merupakan variabel yang independent.

Langkah-langkah analisisnya nya adalah sebagai berikut :



Masukan variabel Nilai_pre pada kotak Test Variable(s) dan variabel Jk pada

kotak Grouping Variable

klik Define groups



16/22


15



klik ContinueOK



Penjelasan Output :

Terlihat ringkasan statistik dari kedua sample. Nilai_post rata-rata peserta

workshop berjenis kelamin laki-laki (Jk=1) adalah 55,250 , dan Nilai_pre rata-ratapeserta workshop berjenis kelamin Perempuan (Jk=2) adalah 49,167.




Penjelasan Output :




Pengujian Nilai_post :



17/22


16


lewat uji F.

Hipotesis :


H0 = Kedua varians populasi Nilai_post antara peserta workshop berjenis kelamin

Laki-laki dan Perempuan adalah sama.

H1 = Kedua varians populasi Nilai_post antara peserta workshop berjenis kelamin

Laki-laki dan Perempuan adalah tidak sama





Keputusan :

Terlihat bahwa F hitung untuk Nilai_post dengan equal variance assumed

(Diasumsikan Kedua varians sama ) adalah 0,221 dengan probabilitas (.Sig)

0,651.


adalah sama/tidak ada perbedaan.

3. Apakah ada perbedaan nilai pre dan nilai post?

JAWAB

Kasus diatas digolongkan menjadi paired sampel t test karena Jenis kelamin

merupakan variabel yang saling berhubungan.

Langkah-langkah analisisnya nya adalah sebagai berikut :

1. Klik AnalyzeCompare-MeansPaired-Sample T test

Sehingga akan tampak tampilan :


18/22


17

tampak tampilan Paired Variable(s) atau Variabel yang akan diuji.

Oleh karena di sini akan diuji data sebelum dan sesudah, maka klikmouse

pada variabel Nilai_pre, kemudian klik mouse sekali lagi pada variabel

Nilai_post, maka terlihat pada kolom Current Selection di bawah, terdapatketerangan untuk variable 1 dan 2. Kemudian klik mouse pada tanda > (yang

sebelah atas), maka pada Paired variables terlihat tanda Nilai_pre.. Nilai_post.

klik option

Maka akan tampak tampilan :

1. Untuk Confidence Interval atau tingkat kepercayaan. Sebagai default,

SPSS menggunakan tingkat kepercayaan 95% atau tingkat signifikansi

100%-95% = 5%

2. Untuk Missing Values atau data yang hilang. Karena dalam kasus semua

pasangan data komplit (tidak ada yang kosong)

klik ContinueOK


19/22


18


Pada bagian ini terlihat ringkasan statistic dari ke 2 sample. Untuk Nilai_pre

mempunyai rata-rata 50,9. sedangkan Nilai_post mempunyai rata-rata 51,6.


Pada output bagian kedua ini adalah hasil korelasi antara kedua variabel yang

menghasilkan angka 0,558 dengan nilai probabilitas diatas 0,05 . Hal ini

menyatakan korelasi antara Nilai_pre dan Nilai_post adalah sangat erat dan

berhubungan secara nyata.

3. Output bagian ketiga

Hipotesis :H0 = Kedua rata-rata populasi adalah identik ( rata-rata populasi Nilai_pre dan

Nilai_post adalah tidak berbeda secara nyata).

Hi = Kedua rata-rata populasi adalah tidak identik ( rata-rata populasi Nilai_pre

dan Nilai_post adalah memang berbeda secara nyata).

Pengambilan keputusan :

Dasar Pengambilan keputusan :1. Berdasarkan perbandingan t hitung dengan t tabel :


20/22


19

Jika statistic hitung (angka t output) > Statistik tabel (table t) makaH0 ditolak

Jika statistic hitung (angka t output) < Statistik tabel (table t) makaH0 diterima

Didalam output terdapat t hitung =- 0,347

Langkah-langkah menghitung nilai t-table adalah sebagai berikut.

1. Masukan variabel baru dengan nama df. Nilai df adalah jumlah data

1

= 101

= 9 .

2. Klik TransformComp ute Variable.

3. Isi kolom Target Variabledengan t_tabel, Isi kolom Numeric

Express iondengan IDF.T(0.95,df).

IDF.T ( )merupakan rumus untuk mencari nilai T-tabel.

0.95menyatakan nilai 95%, berasal dari 100% dikurangi tingkat signifikansi5% = 95% = 0.95.

d f merupakan nama variabel yang telah dibuat (lihat poin pertama).

Pengisian kolom dapat dilihat pada gambar berikut.


21/22


20

4. Klik OK. Hasilnya tampak seperti gambar di bawah ini.

Didapat Nilai t-table =1,83

Oleh karena nilai t table > t hitung ( 1,83 > - 0,347 ) maka H0 diterima

Bisa disumpulkan bahwa tidak signifikan berpengaruh pada nilai peserta. Itu

terbukti dengan tidak ada perbedaan signifikan antara Nilai_pre dan Nilai_post

2. Berdasarkan probabilitas

Jika probabilitas > 0,05 maka H0 diterima

Jika probabilitas < 0,05 maka H0 ditolak

Keputusan :

Terlihat t hitung adalah - 0,347 dengan probabilitas 0,737.

Untuk uji 2 sisi,angka probabilitas adalah 0,737/2 = 0,3685 . oleh karena 0.3625 >

0,025 maka H0 diterima.

Bisa disumpulkan bahwa tidak signifikan berpengaruh pada nilai peserta. Itu

terbukti dengan tidak ada perbedaan signifikan antara Nilai_pre dan Nilai_post


22/22


21

D. LISTING

Terlamp ir dengan beberapa perubahaan sepert i te lah di je laskan pada

pembahasan.

E. KESIMPULAN

Hal pertama yang harus dilakukan pada uji sample independent atau paired

adalah menganalisa kasus terlebih dahulu. pada uji sampel independent relasi

antara variabel tidak terjadi. Masing masing variabel tidak berhubungan satu

sama lain. Seperti dalam contoh soal diatas. Variabel Jenis kelamin menjadi kunci

untuk menggunakan uji independent. Ini dikarenakan seseorang tidak akan

pernah menjadi Laki-laki atau Wanita sekaligus.Hal ini berbeda dengan uji paired,dimana masing masing variabel terhubung

satu dengan yang lainya. Sebagai contoh dalam pembahasan diatas adalah tinggi

badan sebelum dan sesudah menggunakan obat peninggi badan. Variabel tinggi

sebelum terkakit dengan variabel tinggi sesudah.

F. DAFTAR PUSTAKATIM Kelompok 4,2010. Petunjuk Praktikum statistik dasar: Laboratorium terpadu

sekolah tinggi manajemen dan informatika AKAKOM Yogyakarta

laporan praktikum statistik dasar pertemuan ke 7 akakom

Documents