statistik
DESCRIPTION
STATISTIK. daftar isi slide show # CHY SQUARE TEST ( TES KAI KUADRAT ) # ANALISA –VARIANCE ( F- TEST) # ANOVA ( ANALISIS VARIAN LANJUTAN ). CHY SQUARE TEST ( Tes Kai Kuadrat ). * Digunakan untuk mengetahui a. Interdependensi antara satu variabel atau - PowerPoint PPT PresentationTRANSCRIPT
STATISTIK
daftar isi slide show
# CHY SQUARE TEST ( TES KAI KUADRAT )
# ANALISA –VARIANCE ( F- TEST)
# ANOVA ( ANALISIS VARIAN LANJUTAN )
* Digunakan untuk mengetahui a. Interdependensi antara satu variabel atau lebih dengan variabel lainnya ( chy square test for independence )
b. Kesesuaian antara frekuensi observasi variabel tertentu dengan frekuensi yang diperoleh berdasarkan nilai harapannya. ( distribusi probabilitasnya / expected value ) / test for goodness of fit
Tes Statistik
CHY SQUARE TEST ( Tes Kai Kuadrat )
eij
eijoijxc
2
2 )(
Oij adalah hasil yang diperoleh berdasarkan pengamatan ( Observasi ) terhadap random sampelnya
pada baris ke i dan kolom ke j dari variabel yang diamati
eij adalah hasil yang diperoleh berdasarkan distribusi probabilitas pada baris ke i dan kolom j atau merupakan nilai harapan ( expected value ) pada baris dan kolom observasi yang ada
Xc² adalah nilai tes statistik yang diperoleh berdasarkan hasil pengamatan random sampelnya dan nilai harapan pada masing-masing baris dan kolom kategori.
• Derajat kebebasan Distribusi X² Sangat ditentukan oleh bentuk tabel dan kategori
pengamatannya .
X² tabel memiliki derajat kebebasan / degree of freedom ( df ) =
df ( k-1 ) ∝ bila hanya ada 1 baris pengamatan sajadf ( h-1 ) ∝ bila hanya ada 1 kolom pengamatan sajadf ( k-1 ) , ( h-1 ) ∝ bila ada sejumlah kategori k pengamatan kolom & juga sejumlah kategori h pengamatan barisnya
Contoh : Data observasi pelemparan sebuah dadu sebanyak 60 kali
Mata dadu 1 2 3 4 5 6 tabel ( 1 x 6 ) Hasil frek. Obs. 8 12 10 10 13 7
Ujilah dengan = 5 % apakah dadu yang digunakan seimbang atau tidak .∝
Jawab : dalam pelemparan 1 dadu maka probabilitas keluar mata 1 atau 2 atau 3 atau 4 atau 5 atau 6 adalah P = 1 / 6
sehingga Hipotesis :
I. Ho : P1 = P2 = P3 = P4 = P5 = P6 = 1/6 Ha : P1 ≠ P2 ≠ P3 ≠ P4 ≠ P5 ≠ P6 ≠ 1/6
II. = 5% ∝ nilai kritis df ( k – 1 ) = df 0,05 ( 6 – 1 ) = 11,070 ( Lihat tabel X² )∝ gunakan k – 1 karena ada 1 baris pengamatan
III. Daerah penerimaan Ho terletak bila Xc² ≤ 11,070 daerah penolakan Ho terletak bila Xc² > 11,070
∝ = 5 % ( Daerah penolakan Ho )
Daerah penerimaan Ho 11,070
IV. Tes Statistik Mata dadu 1 2 3 4 5 6
Hasil observasi 8 12 10 10 13 7
Expected 10 10 10 10 10 10 nilai harapan ( eij )
Pada masing-masing baris & kolom adalah probabilitas masing- Masing mata dadu keluar
X jumlah percobaannya yaitu 1 x 60 = 10 x
6
V. Keputusan = Ho diterima karena Xc² < 11,070 2,60 < 11,070
VI. Kesimpulan : Karena Ho diterima berarti bahwa Ho : P1 = P2 = P3 = P4 = P5 = P6 = 1/6 Dan dapat disimpulkan bahwa dadu yang digunakan seimbang
10
)107(
10
)1013(
10
)1010(
10
)1010(
10
)1012(
10
)108( 2222222
xc
eij
eijoijxc
2
2 )(
60,29,09,0004,04,02 xc
Test IndependensiTabel mengenai efek tingkah laku yang dialami oleh
100 orang pecandu narkotik terhadap tinggi rendahnya kadar pemakaian narkotik tersebut
Dari data diatas ujilah apakah penggunaan narkoba membawa pengaruh / efek terhadap penderitanya ( ∝ = 5 % )
Efek
Tingkat PenggunaanTotal
Ringan Sedang Berat
Sukar tidur 10 5 7 22Malas kerja 11 7 18 36Perubahan Psikologi 6 11 7 24Tidak ada pengaruh 10 6 2 18
Total 37 29 34 100
Jawab : I. Ho : Penggunaan narkotika tidak membawa efek terhadap pecandunya ( pemakaian narkotika independen terhadap perubahan tingkah laku pecandunya ) Ha : Pemakaian narkotika membawa pengaruh / efek terhadap pecandunya ( tidak independen )
II. ∝ = 5 %, nilai kritis adalah X² 0,05 df ( k – 1 ) ( h – 1 ) X² 0,05 df ( 4 – 1 ) ( 3 – 1 ) X² 0,05 df 6 = 12,592
III. Daerah penerimaan Ho terletak bila Xc² ≤ 12,592 Daerah penolakan Ho terletak bila Xc² > 12,592
IV. Tes Statistik
eij
eijoijxc
2
2 )(
Cara Menghitung eij : e 11 = 22 x 37 = 8,14 e 21 = 36 x 37 = 13,32 100 100
e 12 = 22 x 39 = 6,38 e 22 = 36 x 29 = 10,44 100 100
e 13 = 22 x 37 = 7,48 e 23 = 36 x 34 = 12,24 100 100
e 31 = 24 x 37 = 8,88 e 21 = 18 x 37 = 6,66 100 100
e 12 = 24 x 39 = 6,96 e 22 = 18 x 29 = 5,22 100 100
e 13 = 24 x 37 = 8,16 e 23 = 18 x 34 = 6,12 100 100
Efek
Nilai HarapanTotal
Ringan Sedang Berat
Sukar tidur 8,14 6,38 7,48 22Malas kerja 13,32 10,24 12,24 36Perubahan Psikologi 8,88 6,96 8,16 24Tidak ada pengaruh 6,66 5,22 6,12 18
Total 37 29 34 100
Xc² = 0,425 + 0,98 + 0,03 + 0,40 + 1,13 + 2,710 + 0,93 + 2,34 + 0,16 + 1,66 + 0,285 + 2,77
Xc² = 13,823
eij
eijoijxc
2
2 )(
88,8
)88,86(
24,12
)24,1218(
44,10
)44,107(
32,13
)32,1311(
48,7
)48,77(
38,6
)38,65(
14,8
)14,810( 22222222xc
12,6
)12,62(
22,5
)22,56(
66,6
)66,610(
16,8
)16,87(
96,6
)96,611( 22222
V. Keputusan : Ho ditolak karena Xc² > 12,592 ( 13,823 > 12,592 ) berarti Ha diterima
VI. Kesimpulan :Karena Ho ditolak maka berarti bahwa ada pengaruh
yang cukup signifikan antara tingkat pemakaian narkotika terhadap efek / pengaruh yang dialami oleh para pecandunya didalam perubahan tingkah laku sehari-hari.
Ho ditolak
Ho diterima ∝ = 5 %
12.592 BACKTes kai kuadrat selesai
ANALISA - VARIANCE ( F-TEST )
Adalah untuk menguji persamaan dari beberapa nilai means ( rata-rata ) secara serentak
* F tes untuk mengetahui kesamaan variance ( test the equality of variance )( untuk membandingkan 2 nilai means apakah memiliki variance yang sama / tidak )
Cara pengujian Ho = S1² = S2²Ha = S1² ≠ S2² ( Uji 2 sisi ) = S1² > S2² ( Uji sisi kanan ) = S1² < S2² ( Uji sisi kiri )
I. Cari nilai kritis untuk menentukan apakah Ho diterima atau ditolak pada ∝ tertentu
II. Test Statistik
Ho ditolak
Ho diterima ∝
Nilai kritisIII. Keputusan : Apakah menerima Ho atau menolak Ho
dengan membandingkan antara Fc dengan F tabel
IV. Kesimpulan
12
)22(11
)11(
2
12
2
2
2
n
XXn
XX
S
SFC
Contoh : Seandainya kita ingin mengetahui apakah ada perbedaan variance yang signifikan terhadap 2 kelompok mahasiswa bila dalam pemberian kuliah menggunakan 2 metode yang berbeda. Untuk itu dipilih sebanyak 5 orang mahasiswa , pada masing-masing kelompok , setelah dites menghasilkan data sebagai berikut :
Ujilah dengan ∝ = 5 %, apakah nilai kedua kelompok mahasiswa diatas mempunyai variance yang sama
Sampel mahasiswa
Kelompok 1 Kelompok 2
( Nilai ) ( Nilai )
1 80 60
2 75 70
3 75 70
4 90 60
5 80 65
Jawab : I. Ho : S1 = S2 Ha : S1 > S2 S1² = Ʃ (X1 –X1 ) ² , S2² = Ʃ (X2 –X2 ) ² n1 – 1 n2 – 1
S1² = 150 = 37,5 , S2² = 100 = 25 5 - 1 5 – 1Perhitungan :
X1 X2
80 60
75 70
75 70
90 60
80 65
X1 = 80 X2 = 65
( X1 - X1 ) ² ( X2 - X2 ) ²
0 25
25 25
25 25
100 25
0 0
Ʃ ( X1-X1)² = 150 Ʃ( X2- X2)² = 100
II. Nilai kritis F ∝ df ( n1 – 1 ) , ( n2 – 1 ) F 0,05 df ( 5 – 1 ) , ( 5 – 1 ) = 6,39 ( 4, 4 ) Numerator , denominator
Tolak Ho
Terima Ho
6,39 III. Tes statistik
IV. Keputusan : Terima Ho karena Fc ≤ 6,39V. Kesimpulan : karena Ho diterima maka variance antara
kelompok 1 dan 2 adalah sama ( tidak berbeda ) tidak ada perbedaan yang cukup berarti antara kedua metode diatas .
Tolak Ho bila Fc > 6,39
Terima Ho bila Fc ≤ 6,39
Fc = S1² = 37,5 = 1,5 S2² 25
Uji Distribusi F bila Jumlah sampels means >2 ( k >2 )
Contoh : Seorang produsen ban mobil memproduksikan 3 merk ban mobil dengan teknologi yang digunakan berbeda pula . Dari hasil pengujian yang telah dilakukan terhadap semua merk ban tersebut diperoleh informasi sebagai berikut :
k=3 ( A,B,C )
n
SAMPELLAMA PEMAKAIAN
MERK A MERK B MERK C
1 4 5 6
2 3 56
3 4 5 6
4 6 6 7
5 3 4 5
Ujilah dengan ∝ = 5 % , apakah merk ban diatas memiliki perbedaan rata-rata lamanya pemakaian atau tidak, dan apakah wajar bagi produsen tersebut memberikan harga yang berbeda bagi masing-masing merk ban tersebut ? I. Ho : μA = μB = μC Ha : μA ≠ μB ≠ μC II. Nilai kritis F
( k – 1 ) ( 3 – 1 ) Numerator
F∝ df = F 0,05 df
k ( n – 1 ) 3 ( 5 – 1 ) Denominator 2 = F 0,05 df = 3,89 12
Tolak Ho
( 1- ∝ ) ∝ Terima Ho
3,89 III. Tes Statistik ( Fc )
Tolak Ho bila Fc > 3,89Terima Ho bila Fc ≤ 3,89
XASampel 1 (XA)
XBSampel 2 (XB)
XCSampel 3 (XC)
( XA - XA ) ² ( XB - XB ) ² ( XC - XC ) ²
4 0 5 0 6 03 1 5 0 6 04 0 5 0 6 06 4 6 1 7 13 1 4 1 5 1
XA = 4 n = 5
Ʃ( XA - XA ) ² = 6
XB = 5 n = 5
Ʃ( XB - XB ) ² = 2
XC = 6 n = 5
Ʃ( XC - XC ) ² = 2
SA ² = Ʃ( XA - XA ) ² , SB ² = Ʃ( XB - XB ) ² , SC ² = Ʃ( XC - XC ) ² n – 1 n - 1 n – 1
SA ² = 6 SB ² = 2 SC ² = 2 4 4 4
SA ² = 1,5 SB ² = 0,5 SC ² = 0,5
Б ² B = Besarnya Variance within samples
Б ² W = Ʃ S1) ² = 1,5 + 0,5 + 0,5 = 0,833 k 3
Fc = Б ² B Б ² W
Б ² B = variance antar samples
= n Ʃ( Xi - μ ) ² k – 1
= 5 ( 4 – 5 ) ² + ( 4 – 5 ) ² + ( 4 – 5 ) ² 3 - 1 = 5 1 + 0 + 1 = 5 2
IV. Keputusan : Karena nilai tes statistik ( Fc ) > 3,89 maka hipotesa nol akan ditolak dan hipotesa alternatif
diterima sehingga dapat disimpulkan bahwa rata-rata lama pemakaian antara ban merk A, B, C memiliki perbedaan yang signifikan , sehingga sangatlah wajar bagi produsen untuk memberikan harga yang berbeda untuk merk ban tersebut.
Fc = 5 = 60,833
Ho ditolak
Ho diterima ∝
3,89 Fc = 6
BACKF tes selesai
ANOVA( Analisis Varian Lanjutan )
# Tujuan untuk mendapatkan pemecahan terhadap masalah didalam melakukan suatu eksperimen yang terdiri dari 2 atau lebih populasi ( k ≥ 2 )
# Untuk mengukur besarnya variasi-variasi yang terjadi
Terdiri dari : a. One way classification : didasarkan pada satu kriteria saja b. Two way classification : didasarkan pada dua kriteria
Misal Eksperimen terhadap 3 jenis varietas padi dan penggunaan 4 macam pupuk yang berbeda-beda , Bagaimana efek terhadap hasil produksi ?
# One way : Mengukur variasi yang terjadi didalam suatu eksperimen terhadap 3 jenis varietas padi saja, tanpa memasukkan pengaruh penggunaan 4 macam pupuk yang berbeda
# Two way : Mengukur variasi yang terjadi karena perbedaan 3 jenis varietas padi dan juga variasi yang disebabkan karena perbedaan penggunaan 4 jenis pupuk terhadap hasil produksi.
Variasi SS df MSS Fc
Kolom SSS ( k – 1 )
S1² = SSC ( k –1)
( MSSC )
S1² = MSSC S2² MSSE
Error SSE k ( n –1 )
S2² = SSE k ( n –1)
( MSSE )
Total SST n.k -1
Contoh : Dalam penelitian yang dilakukan terhadap 5 jenis padi yang baru saja ditemukan ( k = 5 ) , dimana masing-masing jenis padi ini diambil secara random sebanyak 5(n ) sampel dan ditanam pada seluas tanah masing-masing 2 Ha. Ternyata setelah dipanen meghasilkan data-data produk dari kelima jenis padi sebagai berikut :
Ujilah : Apakah ada perbedaan rata-rata produksi per Ha-nya diantara kelima macam jenis padi yang baru ditemukan itu ? ( ∝ = 5 % )
A B C D E T
10 18 6 4 14
8 14 10 6 12
16 16 4 8 18
12 12 6 2 8
6 8 14 8 14
Ti 52 78 40 28 66 264
Jawab : I. Ho : μA = μB = μC = μD = μE Ha : μA ≠ μB ≠ μC ≠ μD ≠ μE
∝ = 5 % , F tab = F ∝ df ( k-1 ) , k ( n-1 ) = F 0,05 df ( 5-1 ) , 5 ( 5-1 ) = F 0,05 df ( 4 , 20 ) k = 5 ( A, B, C, D, E )n = 5
F 0,05 df ( 4 , 20 ) = 2,87
Ho diterima bila Fc ≤ F tabelHo ditolak bila Fc > F tabel
II. Fc Tabel ANOVA
Variasi SS df MSS Fc
Kolom( A,B,C,D,E)
SSC
317,68
k-1
( 5-1 )
SSC = 317,68 ( k –1) 4
= 79,42
( MSSC )
Fc = MSSC MSSE
Fc = 79,42 11,524
= 6,89
Error
SSE
230,48
k (n-1)
5(5-1)
SSE = 230,48 k (n –1) 20
= 11,524
( MSSE )
TotalSST
548,16
n.k -1
25-1
Perhitungan :
k n
SST = Ʃ Ʃ ( Xij ) ² - ( T..) ² i=1 j=1 n k
= ( 10 ) ² + ( 18 ) ² + ........ ( 14 ) ² - ( 264 ) ² (5) (5) = 548,16
k
SST = Ʃ Ti ² i=1 ( T..) ² n1 n k
= ( 52 )² + ( 78 )² + ( 40 )² +......+ ( 66 )² - ( 264 )² 5 5 5 5 (5) (5) = 317,68
SSE = 548,16 - 317,68 = 230,48SSE = SST - SSC
Kesimpulan : F ∝ df ( k-1 ) , k ( n-1 ) F 0,05 df ( 5-1 ) , 5 ( 5-1 ) F 0,05 df ( 4 ) , ( 20 ) = 2,87
Fc = 6,89Fc > F tabel berarti Ho ditolak dan Ha diterima . Hal ini menunjukkan bahwa kelima jenis padi tersebut memiliki rata-rata produksi yang berbeda ( ada perbedaan yang cukup berarti / signifikan antara kelima jenis padi tersebut dalam hal produksinya ). Tolak Ho
Terima Ho
2,87 Fc = 6,89
Thank you .....