Académique Documents
Professionnel Documents
Culture Documents
Disusun untuk memenuhi salah satu syarat tugas mata kuliah Analisis Data Kategori
Dosen Pengampu:
Anna Chadidjah, Dra., MS.
Disusun oleh:
Salsa Nurdini (140610160076)
Kelas: A
> prop.test(130,210,0.7,conf.level=0.95)
1-sample proportions test with continuity correction
data: 130 out of 210, null probability 0.7
X-squared = 6.1735, df = 1, p-value = 0.01297
alternative hypothesis: true p is not equal to 0.7
95 percent confidence interval:
0.5493720 0.6842925
sample estimates:
p
0.6190476
Keputusan:
Tolak 𝐻0 bila 𝑧 jatuh dalam wilayah kritis, sebaliknya terima 𝐻0 atau tolak 𝐻0 jika p-
value lebih kecil dari alpha (α).
Dari hasil pengujian di atas, dengan alpha (α) = 5% didapat p-value sebesar 0.01297 yang
lebih kecil dari alpha (α) = 0.05 sehingga 𝐻0 ditolak yang artinya dugaan pengamat
tentang 70% perusahaan besar di Indonesia dimiliki oleh warga negara asing adalah salah.
Terbukti dari nilai propors yang diperoleh yaitu 0.6190476 ≈61.9%.
Dengan software R, dilakukan uji proporsi dua sampel dengan hasil sebagai berikut:
> prop.test(c(a,b),c(n1,n2))
Keterangan: n1,n2 = jumlah setiap kategori dan a = jumalah sampel pertama.
Proporsi untuk sampel kategori memilih:
> prop.test(c(45,56),c(45+35,56+47))
2-sample test for equality of proportions with
continuity correction
data: c(45, 56) out of c(45 + 35, 56 + 47)
X-squared = 0.010813, df = 1, p-value = 0.9172
alternative hypothesis: two.sided
95 percent confidence interval:
-0.1374478 0.1750692
sample estimates:
prop 1 prop 2
0.5625000 0.5436893
Keputusan:
Tolak 𝐻0 bila 𝑧 jatuh dalam wilayah kritis, sebaliknya terima 𝐻0 atau tolak 𝐻0 jika p-
value lebih kecil dari alpha (α).
Dari hasil pengujian di atas, dengan alpha (α) = 5% didapat p-value sebesar 0.9172 yang
lebih besar dari alpha (α) = 0.05 sehingga 𝐻0 diterima yang artinya proporsi pilihan
masyarakat terhadap calon tertentu dalam pemilihan presiden adalah sama. Terbukti dari
nilai proporsi yang diperoleh dari hasil di atas adalah 𝑝1 = 0.5625 ≈ 56.25% dan 𝑝2 =
0.5436893 ≈ 54.37%
> afterlife=matrix(c(375,134,435,147),nrow=2,byrow=TRUE)
> afterlife
[,1] [,2]
[1,] 375 134
[2,] 435 147
> dimnames(afterlife)=list(c("Laki-
laki","Perempuan"),c("Percaya","Tidak"))
> afterlife
Percaya Tidak
Laki-laki 375 134
Perempuan 435 147
> names (dimnames(afterlife))=c("JK","kepercayaan")
> afterlife
kepercayaan
JK Percaya Tidak
Laki-laki 375 134
Perempuan 435 147
Dari hasil tabel kontingensi di atas dapat dilihat bahwa dari kategori berjenis kelamin
laki-laki terdapat 375 orang yang percaya mengenai adanya kehidupan setelah kematian
(akhirat) sedangkan 134 orang lainnya tidak percaya. Lalu dari kategori berjenis kelamin
perempuan, 435 orang diantaranya percaya mengenai adanya kehidupan setelah kematian
(akhirat) sedangkan 147 orang lainnya tidak percaya.
Jadi, dari tabel kontingensi di atas terdapat 509 orang dan 582 orang perempuan.
> totKolom
Percaya Tidak
810 281
Jadi, dari tabel kontingensi di atas terdapat 810 orang yang percaya mengenai adanya
kehidupan setelah kematian (akhirat) dan 281 orang lainnya tidak percaya.
> (Prop.Kolom=sweep(afterlife,2,totKolom,"/"))
kepercayaan
JK Percaya Tidak
Laki-laki 0.462963 0.4768683
Perempuan 0.537037 0.5231317
> round(Prop.Kolom,3)
kepercayaan
JK Percaya Tidak
Laki-laki 0.463 0.477
Perempuan 0.537 0.523
Dari hasil diatas dapat disimpulkan bahwa dari 810 orang yang percaya mengenai adanya
kehidupan setelah kematian (afterlife) diantaranya 46.3% berjenis kelamin laki-laki dan
sisanya 53.7% berjenis kelamin perempuan. Sedangkan dari 281 orang yang tidak percaya
mengenai adanya kehidupan setelah kematian (afterlife) diantaranya 47.7% berjenis
kelamin laki-laki dan sisanya 52.3% berjenis kelamin perempuan.
Dengan software R, dilakukan uji proporsi dua sampel dengan hasil sebagai berikut:
> prop.test(c(375,134),c(810,281))
2-sample test for equality of proportions with
continuity correction
data: c(375, 134) out of c(810, 281)
X-squared = 0.11103, df = 1, p-value = 0.739
alternative hypothesis: two.sided
95 percent confidence interval:
-0.08404773 0.05623700
sample estimates:
prop 1 prop 2
0.4629630 0.4768683
Keputusan:
Tolak 𝐻0 bila 𝑧 jatuh dalam wilayah kritis, sebaliknya terima 𝐻0 atau tolak 𝐻0 jika p-
value lebih kecil dari alpha (α).
Dari hasil pengujian di atas, dengan alpha (α) = 5% didapat p-value sebesar 0.739 yang
lebih besar dari alpha (α) = 0.05 sehingga 𝐻0 diterima yang artinya proporsi laki-laki
antara yang percaya mengenai adanya kehidupan setelah kematian (afterlife) dan tidak
percaya adalah sama. Terbukti dari nilai proporsi yang diperoleh dari hasil di atas
adalah 𝑝1 = 0.462963 ≈ 46.3% dan 𝑝2 = 0.4768683 ≈ 47.69% .
Dengan software R, dilakukan uji proporsi dua sampel dengan hasil sebagai berikut:
> prop.test(c(435,147),c(810,281))
2-sample test for equality of proportions with
continuity correction
data: c(435, 147) out of c(810, 281)
X-squared = 0.11103, df = 1, p-value = 0.739
alternative hypothesis: two.sided
95 percent confidence interval:
-0.05623700 0.08404773
sample estimates:
prop 1 prop 2
0.5370370 0.5231317
Keputusan:
Tolak 𝐻0 bila 𝑧 jatuh dalam wilayah kritis, sebaliknya terima 𝐻0 atau tolak 𝐻0 jika p-
value lebih kecil dari alpha (α).
Dari hasil pengujian di atas, dengan alpha (α) = 5% didapat p-value sebesar 0.739 yang
lebih besar dari alpha (α) = 0.05 sehingga 𝐻0 diterima yang artinya proporsi perempuan
antara yang percaya mengenai adanya kehidupan setelah kematian (afterlife) dan tidak
percaya adalah sama. Terbukti dari nilai proporsi yang diperoleh dari hasil di atas
adalah 𝑝1 = 0.537037 ≈ 53.7% dan 𝑝2 = 0.5231317 ≈ 52.31% .
Serangan Jantung
Konsumsi Obat
Ya Tidak
Placebo 189 10845
Aspirin 104 10933
Menguji proporsi dua sampel untuk pasien yang terkena serangan jantung
Hipotesis:
𝐻0 ∶ 𝜋0 = 𝜋1 artinya proporsi pasien yang mengonsumsi obat Placebo dan terkena
serangan jantung sama dengan proporsi pasien yang mengonsumsi obat Aspirin dan
terkena serangan jantung.
𝐻1 ∶ 𝜋0 ≠ 𝜋1 artinya proporsi pasien yang mengonsumsi obat Placebo dan terkena
serangan jantung tidak sama dengan proporsi pasien yang mengonsumsi obat aspirin
dan terkena serangan jantung.
Alpha (α): 5%
Wilayah Kritis : 𝑧 ≤ −𝑧𝛼 atau 𝑧 ≥ 𝑧𝛼
2 2
Dengan software R, dilakukan uji proporsi dua sampel dengan hasil sebagai berikut:
> prop.test(phs)
2-sample test for equality of proportions with
continuity correction
data: phs
X-squared = 24.429, df = 1, p-value = 7.71e-07
alternative hypothesis: two.sided
95 percent confidence interval:
0.004597134 0.010814914
sample estimates:
prop 1 prop 2
0.01712887 0.00942285
Keputusan:
Tolak 𝐻0 bila 𝑥 jatuh dalam wilayah kritis, sebaliknya terima 𝐻0 atau tolak 𝐻0 jika p-
value lebih kecil dari alpha (α).
Dari hasil pengujian di atas, dengan alpha (α) = 5% didapat p-value sebesar 7.71 x
10−7 yang lebih kecil dari alpha (α) = 0.05 sehingga 𝐻0 ditolak proporsi pasien yang
mengonsumsi obat Placebo dan terkena serangan jantung tidak sama dengan proporsi
pasien yang mengonsumsi obat aspirin dan terkena serangan jantung.
Jika pengujian proporsi dua sampel dilakukan dengan koreksi Yates (correct=F)
menggunakan software R maka didapat hasil sebagai berikut:
Hipotesis:
𝐻0 ∶ 𝜋0 = 𝜋1 artinya proporsi pasien yang mengonsumsi obat Placebo dan terkena
serangan jantung sama dengan proporsi pasien yang mengonsumsi obat Aspirin dan
terkena serangan jantung.
𝐻1 ∶ 𝜋0 ≠ 𝜋1 artinya proporsi pasien yang mengonsumsi obat Placebo dan terkena
serangan jantung tidak sama dengan proporsi pasien yang mengonsumsi obat aspirin
dan terkena serangan jantung.
Alpha (α): 5%
Wilayah Kritis : 𝑧 ≤ −𝑧𝛼 atau 𝑧 ≥ 𝑧𝛼
2 2
Dengan software R, dilakukan uji proporsi dua sampel dengan koreksi Yates didapat
hasil sebagai berikut:
> prop.test(phs,correct=F)
2-sample test for equality of proportions without
continuity
correction
data: phs
X-squared = 25.014, df = 1, p-value = 5.692e-07
alternative hypothesis: two.sided
95 percent confidence interval:
0.004687751 0.010724297
sample estimates:
prop 1 prop 2
0.01712887 0.00942285
Keputusan:
Tolak 𝐻0 bila 𝑥 jatuh dalam wilayah kritis, sebaliknya terima 𝐻0 atau tolak 𝐻0 jika p-
value lebih kecil dari alpha (α).
Dari hasil pengujian proporsi dengan koreksi Yates di atas, dengan alpha (α) = 5%
didapat p-value sebesar 5.692 x 10−7 yang lebih kecil dari alpha (α) = 0.05 sehingga
𝐻0 ditolak proporsi pasien yang mengonsumsi obat Placebo dan terkena serangan
jantung tidak sama dengan proporsi pasien yang mengonsumsi obat aspirin dan terkena
serangan jantung.
Risiko Relatif
Risiko relative antara peluang Y=j dalam baris X=h dengan X=i, dinyatakan sebagai
berikut:
𝜋𝑗|ℎ
𝑅𝑅 =
𝜋𝑗|𝑖
> phs.test=prop.test(phs)
> names(phs.test)
[1] "statistic" "parameter" "p.value" "estimate"
"null.value"
[6] "conf.int" "alternative" "method" "data.name"
> phs.test$estimate
prop 1 prop 2
0.01712887 0.00942285
> phs.test$conf.int
[1] 0.004597134 0.010814914
attr(,"conf.level")
[1] 0.95
> round(phs.test$conf.int,3)
[1] 0.005 0.011
attr(,"conf.level")
[1] 0.95
> phs.test$estimate[1]/phs.test$estimate[2]#relativerisk
prop 1
1.817802
Dari hasil diatas didapat nilai risiko relatif sebesar 1.817802 ≈ 1.82. Maka dapat
disimpulkan bahwa orang yang mengonsumsi obat Placebo 1.82 kali atau 82% lebih
mungkin untuk terkena serangan jantung dibanding orang yang mengonsumsi obat
Aspirin .
Beda Peluang
> phs.test$estimate[1]-phs.test$estimate[2]
prop 1
0.007706024
Dari hasil diatas didapat nilai beda peluang sebesar 0.007706024. Maka dapat
disimpulkan bahwa beda peluang antara orang yang mengonsumsi obat Placebo dan
terkena serangan jantung dengan orang yang mengonsumsi obat Aspirin dan terkena
serangan jantung adalah sebesar 0.007706024 .
Odds Ratio
Apabila X dan Y merupakan respons maka berdasarkan definisi peluang bersyarat odds
dalam baris i untuk Y=j dan k adalah
𝛹𝑖 (𝑗, 𝑘 ) = 𝜋𝑖𝑗 / 𝜋𝑖𝑘
Dengan software R didapat besarnya odds ratio sebagai berikut:
> odds=phs.test$estimate/(1-phs.test$estimate)
> odds
prop 1 prop 2
0.017427386 0.009512485
> #langsung#
> odds[1]/odds[2]
prop 1
1.832054
Dari hasil diatas didapat nilai odds ratio 1.832054 ≈ 1.83. Maka dapat disimpulkan bahwa
orang yang diberi obat Placebo 1.83 kali atau 83% lebih mungkin terkena serangan
jantung disbanding orang yang diberi obat Aspirin.
Dengan selang kepercayaan:
> theta=odds[1]/odds[2]
> ASE=sqrt(sum(1/phs))
> ASE
[1] 0.1228416
> logtheta.CI=log(theta)+c(-1,1)*1.96*ASE
> logtheta.CI
[1] 0.3646681 0.8462073
> exp(logtheta.CI)
[1] 1.440036 2.330790
Dari hasil diatas didapat selang kepercayaan odds ratio [1.44 ; 2.33]. dari selang
kepercayaan tersebut dapat dilihat bahwa angka 1 tidak termasuk didalamnya, sehingga
dapat disimpulkan bahwa asosiasi antara kedua variabel adalah signifikan atau terdapat
asosiasi antara variabel respon Y (serangan jantung) dengan variabel X (jenis obat).
Asosiasi antara X dan Y diperlihatkan melalui ratio dua buah odds atau disebut odds ratio.
Untuk dua buah level X, h dan i, odds ratio respons j dan k adalah:
𝛹ℎ𝑖 (𝑗, 𝑘 ) = (𝜋𝑗|ℎ 𝑥 𝜋𝑘|𝑖 )/(𝜋𝑗|𝑖 𝑥 𝜋𝑘|ℎ )
Dengan software R didapat besarnya odds ratio sebagai berikut:
> #satu-satu#
> (phs[1,1]*phs[2,2])/(phs[2,1]*phs[1,2])#as cross-prod ratio
[1] 1.832054
Dari hasil di atas dapat disimpulkan bahwa orang yang diberi obat Placebo 83% lebih
mungkin terkena serangan jantung disbanding orang yang diberi obat Aspirin.
E. MENGHITUNG BEDA PELUANG
Untuk distribusi Binomial dengan n = 10 dan peluang 0.25, maka hitunglah peluang dari:
P (X = 3)
> dbinom(3,size=10,prob=0.25
[1] 0.2502823
Dari hasil diatas dapat disimpulkan bahwa peluang untuk distribusi Binomial saat X = 3
adalah sebesar 0.2502823.
P (X ≤ 3)
> pbinom(3,size=10,prob=0.25)
[1] 0.7758751
Dari hasil diatas dapat disimpulkan bahwa peluang untuk distribusi Binomial saat X ≤ 3
adalah sebesar 0.7758751.
P (X ≤ 2)
> ppois(2,0.4)
[1] 0.9920737
Dari hasil diatas dapat disimpulkan bahwa peluang untuk distribusi Poisson saat X ≤ 2
adalah sebesar 0.9920737.