Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Metode Statistika Statistika Inferensia: Pengujian Hipotesis.

Presentasi serupa


Presentasi berjudul: "Metode Statistika Statistika Inferensia: Pengujian Hipotesis."— Transcript presentasi:

1 Metode Statistika Statistika Inferensia: Pengujian Hipotesis

2 Unsur Pengujian Hipotesis Hipotesis Nol Hipotesis Alternatif Statistik UJi Daerah Penolakan H0

3 Hipotesis  Suatu pernyataan / anggapan yang mempunyai nilai mungkin benar / salah atau suatu pernyataan /anggapan yang mengandung nilai ketidakpastian Misalnya: – Besok akan turun hujan  mungkin benar/salah – Penambahan pupuk meningkatkan produksi  mungkin benar/salah – Varietas A lebih baik dibandingkan dengan varietas B  mungkin benar/salah

4 Hipotesis Statistik – H0 (hipotesis nol): suatu pernyataan yang bersifat “status quo” (tidak ada beda, tidak ada perubahan) – H1 (hipotesis tandingan): pernyataan lain yang akan diterima jika H0 ditolak (”ada” perbedaan, ”terdapat perubahan”) Suatu pernyataan tentang nilai suatu parameter populasi

5 Dalam pengambilan keputusan memungkinkan untuk terjadi kesalahan H0 benarH0 salah Tolak H0Peluang salah jenis I (Taraf nyata;  ) Kuasa pengujian (1-  ) Terima H0Tingkat kepercayaan (1-  ) Peluang salah jenis II (  ) P(salah jenis I) = P(tolak H0/H0 benar) =  P(salah jenis II) = P(terima H0/H1 benar) = 

6 H0:  =20 H1:  =24 22 Daerah PEnolakan H0 Daerah Penerimaan H0  = P(tolak H0 | Ho benar)  = P(  > 22 |  = 20)  = P(Terima H0 | H1 benar)  = P(  < 22 |  = 24)  Merupakan sembarang parameter

7 CONTOH (1) Sampel diambil secara acak dari populasi normal(  ;  2 = 9), berukuran 25. Hipotesis yang akan diuji, H0 :  = 15 H1 :  = 10 Tolak H0 jika rata-rata kurang dari atau sama dengan 12.5 Berapakah besarnya kesalahan jenis I dan II ? Jawab: P(salah jenis I) = P(tolak H0/  = 15) = P(z  ( )/3/  25)) = P(z  )  0 P(salah jenis II) = P(terima H0/  = 10) = P(z  ( )/3/  25)) = P(z  ) = 1 - P(z  )  0

8 Sifat  dan              H0 H1 H0 H1 Jika n    dan  akan menurun  lihat KURVA KATERISTIK OPERASI

9 Hipotesis yang diuji H0 :    0 H1 :  <  0 H0 :    0 H1 :  >  0 H0 :  =  0 H1 :    0 Hipotesis dua arahHipotesis SATU arah  merupakan sembarang parameter v merupakan sembarang statistik uji Statistik uji :

10 Wilayah kritik Daerah Penolakan H0 Tergantung dari H1.Misalkan v = z  N (0,1) H1 :    0 Daerah Penerimaan H0 Daerah Penolakan H0 Tolak H0 jika v z  /2  /2 -z  /2 z  /2 Nilai kritik

11 H1 :  <  0 Daerah Penerimaan H0 Daerah Penolakan H0 Tolak H0 jika v < -z  /2  -z  H1 :  >  0 Daerah Penerimaan H0 Daerah Penolakan H0 Tolak H0 jika v > z   zz

12  & nilai p  = taraf nyata dari uji statistik Nilai p = taraf nyata dari contoh  peluang  merupakan suatu ukuran “kewajaran” untuk menerima H0 atau menerima H1 Jika nilai p <  maka Tolak H0  Nilai p zz zhzh Nilai p = P (Tolak H0 | contoh) Misalnya : nilai p = P(Z > z h )

13 Tujuan pengujian Satu Populasi Dua populasi Nilai Tengah(  ) Satu Populasi (p) 22 diketahui Uji z Uji t Tidak diketahui Uji z Data saling bebas Data berpasangan  1 -  2 p 1 - p 2 dd  1 2 &  2 2 Uji z diketahui Tidak diketahui  1 2 &  2 2 sama Uji t Formula 1 Tidak sama Uji t Formula 2 Uji z Uji t

14 Uji Nilai Tengah Populasi (  )

15 Hipotesis yang dapat diuji: Hipotesis satu arah H0 :    0 vsH1 :  <  0 H0 :    0 vsH1 :  >  0 Hipotesis dua arah H0 :  =  0 vsH1 :    0 Statistik uji: – Jika ragam populasi (  2 ) diketahui : – Jika ragam populasi (  2 ) tidak diketahui:

16 Contoh (2) Batasan yang ditentukan oleh pemerintah terhadap emisi gas CO kendaraan bermotor adalah 50 ppm. Sebuah perusahaan baru yang sedang mengajukan ijin pemasaran mobil, diperiksa oleh petugas pemerintah untuk mennetukan apakah perusahaan tersebut laya diberikan ijin. Sebanyak 20 mobil diambil secara acak dan diuji emisi CO-nya. Dari data didapatkan, rata- ratanya 55 dan ragamnya 4.2. Dengan menggunakan taraf nyata 5%, layakkah perusahaan tersebut mendapat ijin?

17 One-Sample T Test of mu = 50 vs > 50 95% Lower N Mean StDev SE Mean Bound T P

18 Pengujian Hipotesis untuk selisih dua nilai tengah populasi

19 Hipotesis – Hipotesis satu arah: H 0 :  1 -  2  0 vs H 1 :  1 -  2 <  0 H 0 :  1 -  2   0 vs H 1 :  1 -  2 >  0 – Hipotesis dua arah: H 0 :  1 -  2 =  0 vs H 1 :  1 -  2  0

20 Statistik uji Syarat :  1 2 &  2 2 diketahui Tidak diketahui  1 2 &  2 2 Tidak sama sama Formula 1 Formula 2

21 a. Jika  1 dan  2 tdk diketahui dan diasumsikan sama: Formula 1

22 b. Jika  1 dan  2 tdk diketahui dan diasumsikan tidak sama: Formula 2

23 Contoh (3) Dua buah perusahaan yang saling bersaing dalam industri kertas karton saling mengklaim bahwa produknya yang lebih baik, dalam artian lebih kuat menahan beban. Untuk mengetahui produk mana yang sebenarnya lebih baik, dilakukan pengambilan data masing-masing sebanyak 10 lembar, dan diukur berapa beban yang mampu ditanggung tanpa merusak karton. Datanya sebagai berikut: – Ujilah karton produksi mana yang lebih kuat dengan asumsi ragam kedua populasi berbeda, gunakan taraf nyata 10%! Perush A Perush B

24 Contoh (3) Suatu penelitian dilakukan untuk mengetahui rataan waktu yang dibutuhkan (dalam hari) untuk sembuh darisakit flu. Terdapat dua grup, satu grup sebagai kontrol dan grup lainnya diberi vitamin C dengan dosis 4 mg/hari. Statistik yang diperoleh dari peneltian tersebut sebagai berikut : – Ujilah apakah rata-rata lama waktu sembuh untuk grup yang diberi vitmin C lebih pendek dibandingkan grup kontrol! Asumsikan data menyebar normal dan gunakan α=5% Perlakuan KontrolVitamian C : 4 mg Ukuran contoh35 Rataan contoh Simpangan baku contoh *Sumber : Mendenhall, W (1987)

25 Pengujian Hipotesis untuk data berpasangan

26 Hipotesis – Hipotesis satu arah: H 0 :  1 -  2  0 vs H 1 :  1 -  2 <  0 atau H 0 :  D  0 vs H 1 :  D <  0 H 0 :  1 -  2   0 vs H 1 :  1 -  2 >  0 atau H 0 :  D   0 vs H 1 :  D >  0 – Hipotesis dua arah: H 0 :  1 -  2 =  0 vs H 1 :  1 -  2  0 atau H 0 :  D =  0 vs H 1 :  D  0 Statistik uji :

27 Contoh (4) Suatu klub kesegaran jasmani ingin mengevaluasi program diet, kemudian dipilih secara acak 10 orang anggotanya untuk mengikuti program diet tersebut selama 3 bulan. Data yang diambil adalah berat badan sebelum dan sesudah program diet dilaksanakan, yaitu: Apakah program diet tersebut dapat mengurangi berat badan minimal 5 kg? Lakukan pengujian pada taraf nyata 5%! Berat BadanPeserta Sebelum (X1) Sesudah (X2) D=X1-X

28 Penyelesaian Karena kasus ini merupakan contoh berpasangan, maka: Hipotesis: H0 :  D  5 vs H1 :  D < 5 Deskripsi: Statistik uji:

29 Daerah kritis pada  =5% Tolak H 0, jika t h < -t (  =5%,db=9) = Kesimpulan: Terima H 0, artinya program diet tersebut dapat mengurangi berat badan minimal 5 kg

30 Pendugaan Parameter: Kasus Satu Sampel Proporsi

31 Hipotesis yang dapat diuji: Hipotesis satu arah H0 : p  p 0 vsH1 : p < p 0 H0 : p  p 0 vsH1 : p > p 0 Hipotesis dua arah H0 : p = p 0 vsH1 : p  p 0 Statistik uji:

32 Contoh(4) Menurut suatu artikel suatu obat baru yang diekstrak dari suatu jamur, cyclosporin A, mampu meningkatkan tingkat kesuksesan dalam operasi transplantasi organ. Menurut artikel tersebut, 22 pasien yang menjalani operasi transplantasi ginjal diberikan obat baru tersebut. Dari 22 pasien tersebut, 19 diantaranya sukses dalam operasi transpalntasi ginjal. Apakah sampel tersebut cukup secara statistik? Sebagai informasi ahwa keberhasilan dengan menggunakan prosedur yang standar adalah sekitar 60%! Jika kemudian dilakukan pengamatan terhadap 35 pasien dan 25 diantaranya berhasil menjalani transplantasi ginjal, apakah dapat dikatakan bahwa obat baru tersebut lebih baik dari prosedur yang standar? *Sumber : Mendenhall, W (1987) *sedikit modifikasi soal

33 Pendugaan Parameter: Kasus dua Sampel Selisih dua proporsi

34 00 > 0 Hipotesis (1) klik = 0 Hipotesis (2) Klik besar perbedaan antara dua proporsi (  0 (p 1 -p 2 ))

35 Hipotesis (1) – Hipotesis satu arah: H 0 : p 1 - p 2  0 vs H 1 : p 1 - p 2 <  0 H 0 : p 1 - p 2   0 vs H 1 : p 1 - p 2 >  0 – Hipotesis dua arah: H 0 : p 1 - p 2 =  0 vs H 1 : p 1 - p 2  0 Statistik uji :

36 Hipotesis (2) – Hipotesis satu arah: H 0 : p 1  p 2 vs H 1 : p 1 < p 2 H 0 : p 1  p 2 vs H 1 : p 1 > p 2 – Hipotesis dua arah: H 0 : p 1 = p 2 vs H 1 : p 1  p 2 Statistik uji :

37 Contoh(6) Sebuah penelitian dilakukan untuk menguji pengaruh obat baru untuk viral infection. 100 ekor tikus diberikan suntikan infeksi kemudian dibagi secara acak ke dalam dua grup masing-masing 50 ekor tikus. Grup 1 sebagai kontrol, dan grup 2 diberi obat baru tersebut. Setelah 30 hari, proporsi tikus yang hidup untuk grup 1 adalah 36% dan untuk grup 2 adalah 60%. Apakah obat tersebut efektif? Obat dikatakan efektif jika perbedaan antara grup perlakuan dengan grup kontrol lebih dari 12% *Sumber : Mendenhall, W (1987) *sedikit modifikasi soal

38 Penyelesaian Diketahui : Ditanya : p 2 -p 1 > 0.12? Grup Kontrol p 1 Grup perlakuan p 2 n 1 =50 n 2 =50

39 Penyelesaian JAwab : H 0 : p 2 - p 1  0.12 vs H 1 : p 2 - p 1 > 0.12  = 5% Statistik uji : Wilayah kritik : Tolak H0 jika z h > z 0.05 = Kesimpulan: karena z h =1.23 < z 0.05 = maka Terima H0 (belum cukup bukti untuk Tolak H0) dengan kata lain berdasarkan informasi dari sampel yang ada belum menunjukkan bahwa obat tersebut efektif

40 Demo MINITAB


Download ppt "Metode Statistika Statistika Inferensia: Pengujian Hipotesis."

Presentasi serupa


Iklan oleh Google