STATISTIK daftar isi slide show # CHY SQUARE TEST ( TES KAI KUADRAT )

Presentasi berjudul: "STATISTIK daftar isi slide show # CHY SQUARE TEST ( TES KAI KUADRAT )"— Transcript presentasi:

1 STATISTIK daftar isi slide show # CHY SQUARE TEST ( TES KAI KUADRAT )
# ANALISA –VARIANCE ( F- TEST) # ANOVA ( ANALISIS VARIAN LANJUTAN ) bismillah

2 CHY SQUARE TEST ( Tes Kai Kuadrat )
* 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

3 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 .

4 X² tabel memiliki derajat kebebasan / degree of freedom ( df ) = df ∝ ( k-1 )  bila hanya ada 1 baris pengamatan saja df ∝ ( h-1 )  bila hanya ada 1 kolom pengamatan saja df ∝ ( 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 tabel ( 1 x 6 ) Hasil frek. Obs Ujilah dengan ∝ = 5 % apakah dadu yang digunakan seimbang atau tidak . Jawab : dalam pelemparan 1 dadu maka probabilitas keluar mata atau 2 atau 3 atau 4 atau 5 atau 6 adalah P = 1 / 6

5 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

6 V. Keputusan = Ho diterima karena Xc² < 11,070
IV. Tes Statistik Mata dadu Hasil observasi Expected  nilai harapan ( eij ) Pada masing-masing baris & kolom adalah probabilitas masing- Masing mata dadu keluar X jumlah percobaannya yaitu 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

7 Test Independensi Tabel 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 Penggunaan Total Ringan Sedang Berat Sukar tidur 10 5 7 22 Malas kerja 11 18 36 Perubahan Psikologi 6 24 Tidak ada pengaruh 2 37 29 34 100

8 Jawab : 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 = 12,592 III. Daerah penerimaan Ho terletak bila Xc² ≤ 12,592 Daerah penolakan Ho terletak bila Xc² > 12,592 IV. Tes Statistik

9 Cara Menghitung eij : e 11 = 22 x 37 = 8,14 e 21 = 36 x 37 = 13,32
e 11 = x 37 = 8, e 21 = 36 x 37 = 13,32   e 12 = x 39 = 6,38 e 22 = 36 x 29 = 10,44   e 13 = 22 x 37 = 7,48 e 23 = 36 x 34 = 12,24 e 31 = x 37 = 8,88 e 21 = 18 x 37 = 6,66 e 12 = x 39 = 6,96 e 22 = 18 x 29 = 5,22   e 13 = x 37 = 8, e 23 = 18 x 34 = 6,12

10 Sukar tidur 8,14 6,38 7,48 22 Malas kerja 13,32 10,24 12,24 36
Efek Nilai Harapan Total Ringan Sedang Berat Sukar tidur 8,14 6,38 7,48 22 Malas kerja 13,32 10,24 12,24 36 Perubahan Psikologi 8,88 6,96 8,16 24 Tidak ada pengaruh 6,66 5,22 6,12 18 37 29 34 100 Xc² = 0, ,98 + 0,03 + 0,40 + 1,13 + 2, ,93 + 2,34 + 0,16 + 1,66 + 0, ,77 Xc² = 13,823

11 Tes kai kuadrat selesai
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 Tes kai kuadrat selesai BACK

12 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 = S2² Ha = 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

13 II. Test Statistik Ho ditolak Ho diterima ∝ Nilai kritis Keputusan : Apakah menerima Ho atau menolak Ho dengan membandingkan antara Fc dengan F tabel Kesimpulan

14 Ujilah dengan ∝ = 5 %, apakah nilai kedua kelompok
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 ) 1 80 60 2 75 70 3 4 90 5 65

15 25 100 Jawab : I. Ho : S1 = S2 Ha : S1 > S2
S1² = Ʃ (X1 –X1 ) ² , S2² = Ʃ (X2 –X2 ) ² n1 – n2 – 1 S1² = = 37, , S2² = = 25 – 1 Perhitungan : X1 X2 80 60 75 70 90 65 X1 = 80 X2 = 65 ( X1 - X1 ) ² ( X2 - X2 ) ² 25 100 Ʃ ( X1-X1)² = 150 Ʃ( X2- X2)² = 100

16 II. Nilai kritis F ∝ df ( n1 – 1 ) , ( n2 – 1 )
Numerator , denominator Tolak Ho Terima Ho 6,39 Tes statistik Keputusan : Terima Ho karena Fc ≤ 6,39 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

17 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 SAMPEL LAMA PEMAKAIAN MERK A MERK B MERK C 1 4 5 6 2 3 7

18 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 ) ( 5 – 1 )  Denominator 2 = F 0,05 df = 3,89 12

19 4 5 6 3 1 7 Tolak Ho bila Fc > 3,89 Terima Ho bila Fc ≤ 3,89
( 1- ∝ ) ∝ Terima Ho 3,89 III. Tes Statistik ( Fc ) XA Sampel 1 (XA) XB Sampel 2 (XB) XC Sampel 3 (XC) ( XA - XA ) ² ( XB - XB ) ² ( XC - XC ) ² 4 5 6 3 1 7 XA = 4 n = 5 Ʃ( XA - XA ) ² = 6 XB = 5 Ʃ( XB - XB ) ² = 2 XC = 6 Ʃ( XC - XC ) ²

20 Б ² B = Besarnya Variance within samples
SA ² = Ʃ( XA - XA ) ² , SB ² = Ʃ( XB - XB ) ² , SC ² = Ʃ( XC - XC ) ² n – n n – 1 SA ² = SB ² = SC ² = 2 SA ² = 1, SB ² = 0, SC ² = 0,5 Б ² B = Besarnya Variance within samples Б ² W = Ʃ S1) ² = 1, ,5 + 0,5 = 0,833 k Fc = Б ² B Б ² W

21 Б ² B = variance antar samples
= n Ʃ( Xi - μ ) ² k – 1 = ( 4 – 5 ) ² ( 4 – 5 ) ² + ( 4 – 5 ) ² = = 5 2 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 = = 6 0,833

22 Ho ditolak Ho diterima ∝ 3, Fc = 6 F tes selesai BACK

23 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

24 # 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

25 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 12 16 2 Ti 52 78 40 28 66 264

26 Jawab : 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 tabel Ho ditolak bila Fc > F tabel

27 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) = 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) = 11,524 ( MSSE ) Total SST 548,16 n.k -1 25-1

28 i=1 j=1 n k i=1 ( T..) ² SST = Ʃ Ʃ ( Xij ) ² - ( T..) ² SST = Ʃ Ti ²
Perhitungan : k n SST = Ʃ Ʃ ( Xij ) ² - ( T..) ² i=1 j= n k = ( 10 ) ² + ( 18 ) ² ( 14 ) ² - ( 264 ) ² (5) (5) = 548,16 k SST = Ʃ Ti ² i= ( T..) ² n n k = ( 52 )² + ( 78 )² + ( 40 )² ( 66 )² ( 264 )² (5) (5) = 317,68

29 SSE = 548, ,68 = 230,48 SSE = 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 = 6,89 Fc > 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, Fc = 6,89

30 Thank you .....