nilai |
---|
522 |
467 |
437 |
475 |
444 |
470 |
503 |
466 |
456 |
504 |
503 |
468 |
453 |
534 |
510 |
495 |
462 |
459 |
522 |
503 |
Pertemuan 12
Membuat hipotesis dulu.
Melakukan uji hipotesis.
Hitung t, tentukan daerah penolakan, cek apakah t ada di daerah penolakan.
Outcome: ada keputusan apakah terima atau tolak H0
Membuat kesimpulan.
Uji hipotesis deskriptif seringkali juga disebut dengan uji 1 sampel.
Umumnya uji ini digunakan untuk pernyataan misalnya “lampu X tahan 10.000 jam”, atau “best before 6 bulan”.
H0:μ=μ0 H1:μ≠μ0
t=ˉX−μ0S√n
Seorang dosen bahasa inggris memiliki materi ajar yang cocok untuk kelas dengan nilai TOEFL sekitar 500. Dosen ini memutuskan melakukan tes TOEFL ke 20 orang mahasiswa sebagai sampel. Jika rata-rata hasilnya adalah 500, maka materi tidak perlu diganti. Gunakan derajat kepercayaan 5% untuk menentukan apakah rata-rata mahasiswa memiliki nilai TOEFL 500.
H0:μ=500
H1:μ≠500
Bisa didownload di sini judulnya data91.xlsx
nilai |
---|
522 |
467 |
437 |
475 |
444 |
470 |
503 |
466 |
456 |
504 |
503 |
468 |
453 |
534 |
510 |
495 |
462 |
459 |
522 |
503 |
t0=501,93−50049,22/√20=0,17
Dengan α=5% dan df=19, didapat t0,025=±2,093
|t0|>|t0,025| maka kita terima H0
Dengan derajat kepercayaan 95%, Disimpulkan bahwa rata-rata populasi tidak sama dengan 500. Mungkin kurikulum perlu diubah.
[1] 104.87125 109.91442 95.45149 91.17422 104.77461 101.85977 89.45831
[8] 102.21860 85.21048 94.92019
H0:μ≥100 H1:μ<100
Kita gunakan uji 1 tail dengan rumus yang sama.
Didapat ˉX=97,99 dan S=7,94, dengan n=10 didapat t-hitung:
thitung=−0.8 sementara t0,025=−1,833, terima H0
Artinya anto akan mengambil lele PT.A.
H0:μ≤15 H1:μ>15
thitung=2,485 sementara Z0.05=1,645
Berarti t ada di daerah penolakan, sehingga kita tolak H0 dan dapat disimpulkan bahwa kinerja customer service masih lebih dari 15 menit secara keseluruhan.
Two-tail digunakan jika kita ingin menguji apakah sebuah rata-rata sama dengan sebuah parameter.
One-tail: Jika ingin menguji lebih besar sama dengan, maka gunakan yang daerah penolakannya di kiri(negatif).
Prinsipnya sama dengan sebelumnya, tapi:
df=n1+n2−2
t=(¯X1−¯X2)Sgab√1n1+1n2
Sgab=√(n1−1)S21+(n2−1)S22n1+n2−2
H0:μ1=μ2
Ada 2 buah populasi dengan karakteristik sebagai berikut:
populasi 1: n=10, ˉX=15, S=6
populasi 2: n=12, ˉX=10, S=5
dengan α=5%, cek apakah kedua populasi adalah populasi yang sama atau tidak.
H0:μ1=μ2
H1:μ1≠μ2
Sgab=√(10−1)62+(12−1)5210+12−2=5,63
t=(15−10)5.63√110+112=2,07
t0,025=1.725<t sehingga tolak H0
Karena ¯X1>¯X2 maka kita boleh menyimpulkan μ1>μ2
Uji ini dilakukan apabila populasi 1 dan populasi 2 kita hitung secara berpasangan.
Umumnya dilakukan jika ada suatu intervensi di individu yang sama, lalu dicek sebelum dan sesudahnya.
Kita hitung perbedaan tiap sampelnya (dibuat kolom baru yaitu B=X1−X2) lalu hitung dengan rumus:
t=ˉBSB1√n
gunakan H0:μ1=μ2 atau H0:ˉB=0
Sebuah kelas barusan pasang AC, lalu menghitung nilai UTS (sebelum AC) dan UAS (sesudah AC). Didapat:
Mahasiswa | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
Pre-AC | 40 | 70 | 63 | 56 | 65 |
Post-AC | 45 | 64 | 59 | 51 | 67 |
B | -5 | 6 | 4 | 5 | -2 |
Apakah setelah pasang AC hasilnya lebih baik? gunakan α=5%
ˉB=−5+6+4+5−25=1,6
SB=4,83 (lihat lagi cara hitung simpangan baku di materi sebelumnya)
t=1,64,831√5=0,74
ttabel=2,776 dan hasilnya t ada di daerah penerimaan.
Tidak menolak H0→ Sebelum dan setelah pasang AC hasil belajar tidak berubah.