STATISTIK INFERENSIA

BAB II TEORI DASAR A. Defenisi Statistik Inferensia Ruang lingkup dari statistic inferensial yaitu meliputi proses pengambilan keputusan/kesimpulan mengenai parameter populasi (biasanya adalah kuantitas yang tidak diketahui nilainya) berdasarkan informasi yang diperoleh dari statistic sampel (kuantitas yang diketahui nilainya).

Konsep-konsep statistic inferensial memungkinkan seseorang untuk melakukan analisis dengan menggunakan data dari sampel untuk memperkirakan (mengestimasi) sebuah parameter populasi yang tidak diketahui. Karena pengambilan keputusan/ kesimpulan dengan cara seperti ini tidaklah mutlak kepastiannya, maka kata kemungkinan/ probabilitas sering digunakan dalam menyatakan kesimpulan.

B. Distribusi Binomial. Distribusi binomial adalah salah satu distribusi probabilitas diskrit yang paling sering digunakan dalam analisis statistika modern. Di bidang teknik, distribusi ini erat kaitannya dengan penendalian (Quality Control). Suatu distribusi binomial dibentuk oleh suatu eksperimen binomial. Eksperimen ini merupakan n kali percobaan Bernoulli, sehingga harus mememnuhi kondisi berikut: 1. Jumlah percobaan n adalah konstanata yang telah ditentukan sebelumnya. 2. Setiap eksperimen, biasa disebut dengan percobaan (trial), hanya dapat menghasilkan 1 dari2 keluaran yang mungkin, sukses atau gagal. 3. Probabilitas sukses p, demikian juga probabilitas gagal q=1 p selalu konstan pada setiap percobaan. 4. Setiap percobaan saling bebas secara statistic, yang berarti keluaran percobaan lainnya.

C. Distribusi Binomial Negatif. Suatu distribusi binomial negative dibentuk oleh suatu eksperimen yang memenuhi kondisi-kondisi berikut ini: 1. Eksperimen terdiri atas serangkaian percobaan yang saling bebas. 2. Setiap eksperimen, biasa disebut dengan percobaan (trial), hanya dapat menghasilkan 1 dari2 keluaran yang mungkin, sukses atau gagal. 3. Probabilitas sukses p, demikian juga probabilitas gagal q=1 p selalu konstan pada setiap percobaan. 4. Eksperimen terus berjalan (percobaan terus dilakukan) sampai sejumlah total r sukses diperoleh, dimana r berupa bilangan bulat tertentu. Jadi pada suatu eksperimen binomial negative, jumlah suksesnya tertentu sedangkan jumlah percobaannya random. D. Defenisi Analisis Varians Analisis varians adalah suatu teknik statistic yang memungkinkan kita untuk mengetahui apakah dua atau lebih populasi akan bernilai sama dengan menggunakan data dari sampel-sampel masing-masing populasi. Analisis varians juga bias digunakan untuk keperluan tertentu, yaitu uji hipotesis sampel ganda untuk mean dengan teknik-teknik yang telah dijabarkan

dengan terperinci, hanya biasanya analisis varians lebih efektif digunakan untuk menguji tiga atau lebih populasi. Tentunya jumlah variable yang berkaitan dengan sampel bias satu atau lebih. Dalam pembahasan dasar ini akan diperkenalkan teknik analisis varians untuk variable tunggal, yaitu ANOVA satu factor. E. Asumsi Dasar ANOVA Analisis varians akan menjadi teknik statistic yang valid apabila diterapkan dengan menggunakan asumsi-asumsi sebagai berikut: 1. Populasi yang dikaji memiliki distribusi normal. 2. Pengambilan sampel dilakukan secara acak dari setiap sampel independent/ tidak terikat sampel yang lain. 3. Populasi-populasi dimana nilai sampel-sampel diperoleh memiliki nilai varians populasi yang sama. Jadi asumsi ketiga dapat dinyatakan sebagai : 12 = 22 = = k2 dimana k = jumlah populasi F. Prosedur Uji ANOVA Secara umum prosedur uji ANOVA mengikuti prosedur uji hipotesis yang terdiri dari tujuh langkah, yaitu : 1. Pernyataan hipotesis nol dan hipotesis alternative. Dalam uji ANOVA, hipotesis nolnya adalah sampel-sampel yang diambil dari populasi-populasi saling independent yang memiliki mean sama. Dengan kata lain, hipotesis nol dan hipotesis alternative adalah : Ho ; 1 = 2 = 3 = k H1 ; Tidak seluruh mean populasi sama. Dimana k= jumlah populasi yang dikaji 2. Pemilihantingkat kepentingan. Biasanya digunakan tingkat kepentingan 0.01 atau 0.05. 3. Penentuan distribusi pengujian yang digunakan. Dalam uji ANOVA ini yang digunakan adalah distribusi f. Nilai-nilai dari distribusi f telah disajikan dalam bentuk table yang dapat ditentukan dengan mengetahui 3 hal berikut: a. Tingkat kepentingan (level of significant) b. Derajat kebebasan yang digunakan sebagai pembilang dalam rasio uji adalah dfdom = k 1

Dimana k = jumlah populasi/sampel c. Derajat kebebasan/ degree of freedom (dfdom) yang digunakan sebagai penyebut dalam rasio adalah dfdom = T k. Dimana; T = jumlah total anggota sampel diseluruh populasi yang diuji = n1 + n2 + n3 + + nk K = jumlah populasi/sampel 4. Pendefenisian daerah-daerah penolakan atau kritis. Daaerah penerimaan dan penolakan dibatasi oleh nilai krritis f. 5. Pernyataan aturan keputusan (decision rule). Tolak Ho dan terima H1 jika R af > fcr. Jika tidak demikian terima Ho. 6. Perhitungan rasio uji (Ru) Rumus yang dugunakan untuk meenghitung rasio uji (nilai f) adaalah: Ruf = ftest = Perhitungan untuk bagian pembilang dan penyebut dari rumus rasio uji adalah : a. Pembilang

Dimana, x= n1 = banyaknya anggota sampel ke 1 x1 = mean dari sampel ke 1 b. Penyebut. 2 dalam = Dimana : = jumlah dari simpangan kuadrat ( 7. Pengambilan keputusan secara statistic Jika nilai rasio berada di daerah penerimaan maka hipotesis nol diterima sedangkan jika berada di daerah penolakan maka hipotesis nol ditolak.

G. Tabel ANOVA Satu Faktor Dalam uji ANOVA, kerap kali diminta untuk menempatkan ringkasan pehitingan yang dilakukan dalam suatu bentuk table yang berisi daftar ringkasan, nilai yang diperoleh ari proses uji statistic tersebut. Table tersebut diberi nama sebagai table ANOVA. Karena kajian yang dibicarakan menyangkut hanya satu variable/factor, maka disebut tabel ANOVA satu factor. Format umum dari tabel ANOVA satu factor adalah sebagai berikut: Format umum table ANOVA yaitu: Source Of Variation Antar Sampel Faktor variation Dalam sampel Error variation Total T1 Tk Ss Error k1 Ss faktor 2 antara Ruf= Degree Of Freedom (df) Sum Of Squares (Ss) Mean Of Squares (Mr) Ftest (Ruf)

Anova Satu Arah dan Anova Dua Arah

ANOVA (ANALISIS VARIAN) (Manajemen Strategik) Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktek, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan). Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean). Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan

analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan Ada tiga kelas konseptual model seperti: Model efek tetap berasumsi bahwa data berasal dari populasi normal yang mungkin berbeda hanya dalam kemampuan mereka. (Model 1) Model efek acak berasumsi bahwa data yang menggambarkan hierarki populasi yang berbeda yang perbedaan dibatasi oleh hirarki. (Model 2) Model efek campuran menggambarkan situasi di mana baik tetap dan efek acak hadir. (Model 3) Sesuai dengan kebutuhannya Anova dibedakan menjadi 2 yaitu Anova satu arah dan Anova dua arah. Anova satu arah hanya memperhitungkan 1 faktor yang menimbulkan variasi, sedangkan Anova dua arah memperhitungkan dua faktor yang menimbulkan variasi. Pada dasarnya pola sampel dapat dikelompokan menjadi dua kelompok, yaitu: 1. Seluruh sampel, baik yang berada pada kelompok pertama sampai dengan yang ada di kelompok lain, berasal dari populasiyang sama. Untuk kondisi ini hipotesis nol terbatas pada tidak ada efek dari treatment (perlakuan) 2. Sampel yang ada di kelompok satu berasal dari populasi yang bebeda dengan populasi sampel dengan populasi sampel yang ada di kelompok lainnya. Mengingat Anova berkaitan dengan pengujian hipotesis multipel (ganda). Pada saat melakukan pengujian hipotesis (perbedaan dua rata-rata) dengan menggunakan t tes selalu menanggung kesalahan tipe 1 sebesar alpha. Untuk ANOVA kesalahan tipe 1 disebut dengan experiment wise alpha level yang besarnya: 1-(1-)N N Merupakan banyaknya tes jika menggunakan t tes (dilakukan satu per satu) Misalnya: Untuk pengujian perbedaan rata-rata dari 5 kelompok sampel. Jika dimbil alpha sebesar 0,005 maka dengan penggunaan t tes besarnya resiko kesalahan tipe 1 untuk sekali pengujian adalah 0,05 dan untuk 10 kali pengujian berarti menanggung kesalahan tipe 1 sebesar 0,5. Apabila kita menggunakan ANOVA kesalahan tipe 1 yang harus ditanggung adalah : 1-(1-0,05)10 = 0,40 Mengapa N berjumlah 10 untuk 5 kelompok sampel? Untuk menjawab pertanyaan tersebut marilah kita telusuri satu per satu pengujian yang dilakukan dengan t tes. 1 = 2 1 = 3 1 = 4 1 = 5 2 = 3 2 = 4 2 = 5 3 = 4 3 = 5 4 = 5

Melalui perbandingan sederhana adalah teknik analisis statistik yang dapat memberi jawaban atas ada tidaknya perbedaan skor pada masing-masing kelompok (khususnya untuk kelompok yang banyak), dengan suatu risiko kesalahan yang sekecil mungkin. Anova mempunyai kemampuan membedakan antar banyak kelompok dengan risiko kesalahan yang kecil, juga dapat memberi informasi tentang ada tidaknya interaksi antar variabel bebas sehubungan dengan variabel terikat. Pada dasarnya ANOVA dapat dibagi menjadi 2 kelompok besar, yaitu: 1. Beberapa kelompok yang dihadapi merupakan pembagian dari satu independen varibel (variabel bebas) 2. Beberapa kelompok yang dihadapi merupakan pembagian dari beberapa independen varibel (variabel bebas)

Asumsi Dasar dalam ANOVA : 1. Kenormalan Setiap harga dalam sampel berasal dari distribusi normal, sehingga distribusi skor sampel dalam kelompok pun hendaknya normal. Kenormalan dapat diatasi dengan memperbanyak sampel dalam kelompok, karena semakin banyak n maka distribusi akan mendekati normal. Apabila sampel tiap kelompok kecil dan tidak dapat pula diatasi dengan jaln melakukan transformasi.

2. Kesamaan Variansi Masing-masing kelompok hendaknya berasal dari populasi yang mempunyai variansi yang sama. Untuk sampel yang sama pada setiap kelompok, kesamaan variansi dapat diabaikan. Tetapi, jika banyaknya sampel pada masing-masimg kelompok tidak sama, maka kesamaan variansi populasi memang sangat diperlukan. 3. Penamatan Bebas Sampel hendaknya diambil secara acak (random), sehingga setiap pengamatan merupakan informasi yang bebas.

PERBANDINGAN ANOVA SATU ARAH DENGAN ANOVA DUA ARAH Sebenarnya analisis ANOVA satu arah dapat dipakai untuk menghadapi kasus variabel bebas lebih dari satu. Hanya saja analisisnya dilakukan satu per satu, sehingga akan menghadapi banyak kasus ( N semakin banyak ). Dengan melakukan Anova dua arah akan dihindari pula pula terjadinya noise (suatu kemungkinan yantg menyatakan terdapat suatu efek karena bercampurnya suatu analisis data). Noise ini dapat dihindari pada ANOVA dua arah karena analis disini melibatkan kontor terhadap perbedaan(katagorikal) variabel bebas. Interaksi suatu kebersamaanantar fektor dalam mempengaruhi variabel bebas, dengan sendirinyapengaruh faktor-faktor secara mandiri telah dihilangkan. Jika terdapat interaksi berarti efek faktor satu terhadap variabel terikatakan mempunyai garis yang tidak sejajar dengan efek faktor lain terhadap variabel terikatsejajar (saling berpotongan), maka antara faktor tidak mempunyai interaksi. Anova dua arah digunakan peneliti untuk mengatasi perbedaan nilai variabel terikat yang

dikategorikan berdasarkan variasi bebas yang banyak dan masing-masing variabel terdiri dari beberapa kelompok. Anova dua arah merupakan penyempurnaan Anova satu arah. Anova dua arah lebih efisien daripada anova satu arah, karena: kasus yang dihadapi lebih sedikit yaitu sejumlah sampel . noise dapat dihilangkan. dapat diketahui unsur kebersamaan variabel bebas dalam mempengaruhi variabel terikat. ANOVA SATU ARAH Contoh : Untuk homogenitas varians. Langkah-langkah tersebut adalah sebagai berikut : 1. Merumuskan hipotesis 2. Menguji homogenitas tiga varians atau lebih 3. Analisi of Varians (ANOVA) 4. Menguji hipotesis Contoh : Seorang dosen bahasa Indonesia hendak melakukan penelitian berkenaan dengan efektifitas empat macam tekhnik membaca yang bisa dipergunakan mahasiswanya. Untuk keperluan itu, dipilih masing-masing di pilih 10 mahasiswa untuk menerapkan teknik membaca tersebut. Dari penelitian tersebut, data skor kecepatan efektif membaca (KEM) tertera pada tabel berikut ini. Teknik membaca ABCD 90 70 40 50 80 50 60 30 70 60 50 60 50 70 50 40 60 50 70 50 80 70 60 40 80 70 60 50 70 80 60 60 90 60 40 40 80 70 60 30 1. Merumuskan Hipotesis Ho menyatakan tidak ada perbedaan di anatara rata-rata beberapa populasi yaitu Ho: 1 = 2 = 3 = ... H1 menyatakan satu atau lebih rata-rata populasi tidak sama dengan rata-rata populasinya yaitu: H1 : 1 2 = 3 = ... = n atau H1 : 1 2 3 ... n atau H1 : 1 = 2 = 3 ... n atau H1 : 1 2 3 ... n atau Pada contoh di atas, hipotesisnya dirumuskan : H1 : efektivitas keempat teknik membaca tersebut tidak berbeda satu sama lain. H1 : efektivitas keempat teknik membaca tersebut tidak berbeda satu sama lain (paling sedikit anatar dua teknik membaca)

Atau : Ho : A = B = C = D Ho : A B C D 2. Menguji Homogenitas varians Jika hasilnya menunjukan varians-var4ians yang homogen, dilajutkan pada perhitungan ANOVA. Jika homogen, perbedaan atau kesamaan rata-rata keempat variabel etrsebut diuji sepasang demi sepasang dengan uji T yaitu pasanga AB, AQC, AD, BC, BD, dan CD ( ada enam pasangan). 3. Apabila ketahui hasil perhitungan memperlihatkan varians-varians yang homogen, dilanjutkan dengan menguji ANOVA satu jalur. a) tabel persiapan harga-harga N, X, X2dan X STATISTIK A B C D Total (T) N 70 10 10 10 NT= 40 X 750 650 550 450 XT= 2400 X2 57700 43100 31100 21300 X2T = 153200 X 75 65 55 45

b) Tabel Ringkasan ANOVA Satu Jalur Sumber Varians (SV) Jumlah Kuadrat (JK) Derajat Kebebasan (DK) Renta Kuadrat (RK) F Antar Kolom(a) Jka dba RKa RKa Residu (d) JKd dbd RKd RKd Total (T) JKT JKT = X2 r (XT)2; Nt: banyaknya sebuh data NT maka JKT = 153200 2400 2 = 9200 40 JKd = JKT - JKA JKd= 9200-5000=4200 RKd = JKd maka Rkd = 4200/36 = 116,7 dbd Rka = Jka/dbd maka Rka = 5000/3= 1666,7 menghitung F F = JKd\ RKd maka F = 1666,7/16,7 = 14,28 Maka Fhitung = 14,28 c) Menentukan F tabel F tabel = F(@) (dba/dbd) Untuk = 0,05 dan @= 0,01 Dba= derajat kebebasan pembilang = 3 Dbd= derajat kebebasan penyebut = 36 Maka F tabel = F (0,05) (3/36) = 2.8

F tabel = F (0,05) (3/36) = 4.38 d) Menguji hipotesis Kriteria pengujian: Jika Fhitung > F tabel, Ho di tolak danjika Fhitung ANOVA DUA ARAH Anova dua jalur mempertimbangkan 2 faktor yang mengakibatkan terjadinya penyimpangan (dispersi) dan nilai-nilai yang dihitung dengan standar deviasi atau varians. Apabila para peneliti inign menguji efektivitas keberdaaan dua buah factor, yang masing-masing faktornya terbagi atas beberapa kategori, peneliti dapat menggunakan Contoh : Seorang guru matematika ingin mengetahui efektivitas pemberian latihan soal dengan menggunakan perangkat dan buku paket terhadap dua kelompok siswa, yaitu dengan pengujian efektivitasnya berdasarkan hasil/skor latihan yang telah dibuat untuk siswa. Untuk kepentingan penelitiannya guru mengambil/memilih masing-masing 10 pandai untuk diberi dua perlakuan yang berbeda dan 10 siswa yang kurang pandai untuk keperluan berbeda pula Hasil penelitiannya ditunjukkan oleh data berikut ini: LKS Buku Paket Siswa Pandai Siswa Lemah Siswa Pandai Siswa Lemah Nama Skor Nama Skor Nama Skor Nama Skor A1 82 B1 45 C1 63 D1 40 A2 82 B2 50 C2 63 D2 50 A3 73 B3 60 C3 63 D3 60 A4 73 B4 50 C4 55 D4 50 A5 82 B5 45 C5 65 D5 42 A6 60 B6 50 C6 73 D6 53 A7 60 B7 45 C7 55 D7 43 A8 73 B8 60 C8 55 D8 62 A9 85 B9 45 C9 65 D9 35 A10 75 B10 60 C10 55 D10 50 Mengetes Homogenitas Dua Varians

Homogenitas LKS dan Buku Paket 1. Varians semua skor LKS = 14.242= 203.04 Varians semua skor Buku Paket = 9,752 = 95.08 F=203.04=2.14 Jadi, Fhitung = 2.14 95.08 2. Menentukan derajat kebebasan: db = n -1 dbLKS = 20-1 =19 = db1 dbBuku Paket = 20 -1= 19 = db2

3. Menentukan Ftabel Ftabel = F(a)(db1)(db2) = F(0.01)(19/19)= Dengan interpolasi F(0.01)(16/19) = 3.12 ) ( F(0.01)(19/19) = 3.12-3 ( 0.12) = 3.03 F(0.01)(20/19) = 3.00 ) 4 Jadi Ftabel = 3.03 4. Kriteria Homogenitas Karena Fhitung > Ftabel, varians perlakuan LKS dan Buku Paket Homogen. Homogenitas Skor Siswa Pandai dan Lemah 1. Varians semua skor siswa pandai = 10.052 = 101.19 2. Varians semua skor siswa lemah = 7.572 = 57.36 Dengan cara seperti di atas diketahui Fhitung < Ftabel maka kedua varians juga homogen. Homogenitas pasangan LKS Siswa Pandai, LKS-Siswa Lemah, Buku Paket- Siswa Pandai, Buku Paket- Siswa Lemah. LKS Siswa Pandai : 82, 82, 73, 73, 82, 60, 60, 73, 85 , 75 (1) LKS Siswa Lemah : 45, 50 , 60, 50, 45, 50, 45, 60, 45, 60 (2) B. Paket Siswa Pandai : 63, 63, 63, 55, 65, 73, 55, 55, 65, 55 (3) B. Paket Siswa Lemah : 40, 50, 60, 50, 42, 53, 43, 62, 35, 50 (4) 1. Varians varians: V1 = 78.5 V2 = 43.3 V3 = 36.8 V4 = 74.3 2. Varians Gabungan : Vgab = (9x78.5) + (9x43.3) + ( 9x36.8) + ( 9x74.3) 9+9+9+9

Uji Binomial
Written By Malonda Gaib on Sabtu, 09 April 2011 | 9.4.11
Distribusi binomial adalah distribusi yang menghasilkan salah satu dari dua hasil yang saling mutually exclusive, seperti sakit-sehat, hidup-mati, sukses-gagal dan dilakukan pada percobaan yang saling independen, artinya hasil percobaan satu tidak mempengaruhi hasil percobaan lainnya (Bisma Murti, 1996). Uji binomial digunakan untuk menguji hipotesis tentang suatu proporsi populasi. Data yang cocok untuk melakukan pengujian adalah berbentuk nominal dengan dua kategori. Dalam hal ini semua nilai pengamatan yang ada di dalam populasi akan masuk dalam klasifikasi tersebut. Bila proporsi

pengamatan yang masuk dalam kategori pertama adalah sukses = p, maka proporsi yang masuk dalam kategori kedua gagal adalah 1-p = q. Uji binomial memungkinkan kita untuk menghitung peluang atau probabilitas untuk memperoleh k objek dalam suatu kategori dan n-k objek dari kategori lain. (Wahid Siulaiman, 2003). Jika jumlah kategori pertama (P) dari satu seri pengamatan dengan n sampel adalah k, maka probabilitas untuk memperoleh P adalah:

k= jumlah objek berelemensukses dari seri pengamatan berukuran n Distribusi binomial disebut juga percobaan Bernouli, dimana percobaan Bernouli dapat dilakukan pada keadaan : 1. Setiap percobaan menghasilkan salah satu dari dua kemungkinan hasil yang saling terpisah (mutually exclusive). 2. Probabilitas sukses (p) adalah tetap dari satu percobaan ke percobaan lainnya. 3. Percobaan-percobaan bersifat independen, dimana hasil dari satu perobaan tidak mempengaruhi hasil percobaan lainnya. Dengan uji binomial, pertanyaan penelitian yang akan dicari jawabannya adalah apakah kita mempunyai alasan yang cukup kuat untuk mempercayai bahwa proporsi elemen pada sampel kita sama dengan proporsi pada populasi asal sampel. Dalam prosedur uji hipoesa, distribusi binomial kita gunakan sebagai acuan dalam menetapkan besarnya probabiitas untuk memperoleh suatu nilai kategori pertama sebesar yang teramati dan yang lebih ekstrim dari nilai itu, dari sebuah sampel yang berasal dari populasi binomial. Hipotesa dalam Uji Binomial Dua sisi : Ho: p = po dan Ha: p po Satu sisi : Ho: p <= po dan Ha: p > po Ho: p >= po dan Ha: p < po p = proporsi pada sampel po = proporsi pada populasi

Perhitungan Nilai p secara Manual (Bisma Murti, 1986):

Dua Sisi Jika p po, maka:

Jika p > po, maka:

Satu Sisi :

Jika Ho: p po dan Ha: p < po, maka:

Jika Ho: p po dan Ha: p > po, maka :

Kriteria Pengambilan Keputusan: Untuk Uji Dua sisi: Bila Exact Sig. (2-tailed) < /2 maka Ho ditolak

Exact Sig. (2-tailed) > /2 maka Ho gagal ditolak

Untuk Uji Satu sisi: Bila Exact Sig. (2-tailed) < maka Ho ditolak Exact Sig. (2-tailed) > maka Ho gagal ditolak Contoh Soal : Sebuah studi berminat melakukan uji fluorescent antibody guna meneliti adanya reaksi serum setelah pengobatan pada penderita malaria falcifarum. Dari 25 subjek yang telah disembuhkan, 15 subjek ditemukan bereaksi positif. Jika sampel itu memenuhi semua asumsi yang mendasari uji binomial, dapatkah kita menyimpulkan dari data itu bahwa proporsi reaksi positif dalam populasi yang bersangkutan adalah lebih besar dari 0,5? Misalkan = 0,05 (Wayne W.Daniel, 2003, hal 67). HIPOTESA Ho : p 0,5 dan Ha: p > 0,5 PERHITUNGAN Dari tabel binomial, dengan n=25, x-1=14 dan Po=0,5, untuk uji satu sisi dengan P = 15/25 = 0,6 > po =0,5, diperoleh nilai p :

14

25!
k

p=P(X 15) = 1 -

-------------- 0,5
k=0

0,525-k

25! (25-k)!

= 1 0,7878 = 0,2122 Karena p = 0,2122 > 0,05. maka Ho gagal ditolak, sehingga kita dapat menyimpulkan bahwa proporsi reaksi serum di antara populasi yang telah mendapat pengobatan malaria tidak dapat dikatakan lebih besar secara bermakna dari 0,5. Uji Binomial menguji hipotesis tentang suatu proporsi populasi. Ciri dari binomial adalah data berupa dua (bi) macam unsur. Kelebihannya antara lain adalah : Tingkat kesalahan penggunaan prosedur statistika nonparametrik relatif kecil karena statistik jenis ini tidak memerlukan banyak asumsi. Perhitungan yang harus dilakukan pada umumnya sederhana dan mudah,khususnya untuk data yang kecil. Konsep dalam statistika nonparametrik mudah untuk dimengerti. Dapat digunakan untuk menganalisa data yang berbentuk hitungan maupun peringkat (rank).

1.

Soal Anova

Duabelas orang karyawan yang di bagi dalam empat kelompok, di ikutkan dalam pelatihan untuk menyelesaikan satu unit barang. Masing- masing kelompok diberikan pelatihan yang berbeda.

Hasil akhir dalam menyelesaian satu unit barang (jam) sebagai berikut : A 6 5 7 B 8 6 6 C 7 7 8 D 9 8 7

Apakah ada perbedaan waktu dalam menyelesaikan satu unit barang diantara empat kelompok yang diberikan pelatihan berbeda? Bila ada kelompok mana yang berbeda? (Alfa = 0,05)

Penyelesaian :

A 6 5 7 Yi+ 18 20

B 8 6 6

C 7 7 8 22

D 9 8 7 24 84

Yi+ 6

6,66

7,33

I.

Ho: 1 = 2 = 3= 4= 5 Ha: 1 2 3 4 5 SST = 62 + 52 + 72 + 82 + 62 + 62 + 72 + 72 + 82 + 92 + 82 + 72 (84)2 = 14 12 SSB = 182 + 202 + 222 + 242 - 842 = 6,66 3 3 3 3 12 SSW = 602 [(182) + (202) + (222) + (242)] = 7,34 3 3 3 3 F = 6.66 = 0,90 7,34 Tabel Anova __________________________________ _Sumber df SS MS F Between 3 6,66 2,22 2,03 Within 8 7,34 1,09________ Total 11 14 F (0,89) ( 3;8 ) = 4,07

II. III.

IV.

Karena F hitung < F table Ho diterima Kesimpulan : tidak ada perbedaan waktu dalam menyelesaikan satu unit barang dari keempat kelompok tersebut.