18
STATISTIKA Design by ; Radi saputra Kelompok 9 1 1. I Komang Radi Saputra (12101447) 2. Gede bagus satriyadi (12101241)

Statistika uji parametrik

Embed Size (px)

DESCRIPTION

 

Citation preview

STATISTIKA

Design by ; Radi saputra

Kelompok 9

11

1. I Komang Radi Saputra (12101447)2. Gede bagus satriyadi (12101241)

Design by ; Radi saputra

UJI PARAMETRIK

STATISTIKA

22

1. SAMPEL TUNGGAL2. INDEPENDEN3. DEPENDEN

Design by ; Radi saputra

UJI PARAMETRIK – SAMPEL TUNGGAL

STATISTIKA

33

Kapan menggunakan uji parametrik sampel tunggal????

digunakan ketika ingin menguji suatu nilai rata-rata dari satu sampel, dengan dibandingkan dengan rata-rata sekelompok sampel-sampel lainnya. Atau untuk mengetahui apakah sampel tersebut berasal dari populasi tertentu, sementara tidak ada informasi mengenai populasi sampel tersebut, sehingga perlu dibandingkan dengan sampel-sampel dari populasi tertentu.

Syarat penggunaan Uji t satu Sample :1. Data harus berdistribusi normal

Contoh :seorang peneliti ingin menguji produktivitas Varietas baru dari satu

sampel lahan sawahnya, dengan dibandingkan dengan enam lahan sawah disekitarnya yang menggunakan varietas lama. Apakah ada perbedaan secara signifikan atau tidak.

Design by ; Radi saputra

UJI PARAMETRIK – SAMPEL TUNGGAL

STATISTIKA

44

Latihan :

seorang peneliti ingin menguji produktivitas Varietas baru dari satu sampel lahan sawahnya, dengan dibandingkan dengan enam lahan sawah disekitarnya yang menggunakan varietas lama. Apabila rata-rata produktifitas varietas baru adalah 8ton/ha, dan rata-rata produktifitas 6 sawah disekitarnya adalah Lahan 1 = 5ton/haLahan 2 = 7ton/haLahan 3 = 6,5ton/haLahan 4 = 7,5ton/haLahan 5 = 7ton/haLahan 6 = 6ton/haJika taraf signifikan sebesar 5% Apakah ada perbedaan secara signifikan atau tidak??

Design by ; Radi saputra

UJI PARAMETRIK – SAMPEL TUNGGAL

STATISTIKA

55

HIPOTESIS :

H0 : Produktifitas tanaman padi dari varietas baru = Produktifitas tanaman padi dari varietas lama.

H1 : Produktifitas tanaman padi dari varietas baru ≠ Produktifitas tanaman padi dari varietas lama.

Taraf signifikansi 5%

Design by ; Radi saputra

UJI PARAMETRIK – INDEPENDEN

STATISTIKA

66

LANGKAH PENYELESAIAN1. Penuhi syarat “data harus berdistribusi normal”. Test data dengan

langkah berikut:1. Klik analyze Descriptive statistics Expoler 2. Berat badan dipindah ke Depedent list.3. Perlakuan dipindah ke Factor list.4. Klik Plots5. Hilangkan centang Steam-and-leaf, dan centang Histogram.6. Centang Normality plots with test. Klik Continue OK

Kemudian analisis pada table “Test of Normality”.Catatan:

Gunakan Kolmogorov apabila sampel >50Gunakan Shapiro Wilk apabila sampel <50

Maka yang kita gunakan sekarang adalah nilai signisifikansi Shapiro Wilk.

Ketentuan:Berdistribusi Normal bila sig. > 0,05Tidak berdistribusi normal bila sig <0,05

0,607 > 0,05

Maka data berdistribusi normal, sehingga One SampleT-test dapat dilanjutkan.

Design by ; Radi saputra

UJI PARAMETRIK – DEPENDEN

STATISTIKA

77

LANGKAH PENYELESAIAN

2. One Sample T-test 1. Klik Analyze Compare means One Sample T Test2. Masukkan Produktifitas_lama ke Variable, dan Test Value isi dengan

rata-rata sampel yang di test.3. Klik Options isi taraf kepercayaan 95% (didapat dari 100% dikurang

nilai signifikansi(5%))4. Klik Continue OK.

Kemudian analisislah pada table output.

Design by ; Radi saputra

UJI PARAMETRIK – SAMPEL TUNGGAL

STATISTIKA

88

HIPOTESISH0 : Produktifitas tanaman padi dari varietas baru = Produktifitas tanaman padi dari varietas lama.H1 : Produktifitas tanaman padi dari varietas baru ≠ Produktifitas tanaman padi dari varietas lama.

Hipotesis:

H0 diterima : bila sig. > 0,05H0 ditolak : bila sig. < 0,05 maka H1 diterima.

Maka0,009 < 0,05

H0 ditolak dan H1 diterima

H1 : Produktifitas tanaman padi dari varietas baru ≠ Produktifitas tanaman padi dari varietas lama.

Design by ; Radi saputra

UJI PARAMETRIK – INDEPENDEN

STATISTIKA

99

Kapan menggunakan uji parametrik INDEPENDEN????

digunakan ketika menguji data Antara variable satu tidak saling berkaitan atau INDEPENDEN.

Syarat penggunaan INDEPENDEN1. Data harus berdistribusi normal2. Kedua sampelnya INDEPENDEN (tidak berhubungan)

Contoh :1. seorang ingin meneliti berat badan bayi yang diberi pemijatan akan

lebih baik dari pada bayi yang tidak diberi pemijatan2. Seorang peneliti ingin mengetahui apakah berat badan sapi yang

diberikan jenis pakan A lebih baik dari yang diberi jenis pakan B.

Design by ; Radi saputra

UJI PARAMETRIK – INDEPENDEN

STATISTIKA

1010

Latihan :

1. Seorang peneliti ingin mengetahui berat badan bayi yang diberi pemijatan apakah lebih baik dari yang tidak dipijat. Datanya sebagai berikut. Signisifikansi 5% (0,05).

HIPOTESISH0: berat badan bayi yang dipijat = berat badan bayi yang tidak dipijat.H1: berat badan bayi yang dipijat ≠ berat badan bayi yang tidak dipijat.

Design by ; Radi saputra

UJI PARAMETRIK – INDEPENDEN

STATISTIKA

1111

No Berat badan perlakuan Berat badan perlakuan

1 3,4 Dipijat 2,7 Tidak dipijat

2 3,0 Dipijat 2,8 Tidak dipijat

3 2,9 Dipijat 2,7 Tidak dipijat

4 3,1 Dipijat 2,6 Tidak dipijat

5 3,0 Dipijat 2,8 Tidak dipijat

6 3,3 Dipijat 2,8 Tidak dipijat

7 3,7 Dipijat 3,1 Tidak dipijat

8 3,5 Dipijat 3,2 Tidak dipijat

9 3,6 Dipijat 2,9 Tidak dipijat

10 3,2 Dipijat 3,3 Tidak dipijat

Design by ; Radi saputra

UJI PARAMETRIK – INDEPENDEN

STATISTIKA

1212

LANGKAH PENYELESAIAN1. Penuhi syarat “data harus berdistribusi normal”. Test data dengan

langkah berikut:1. Klik analyze Descriptive statistics Expoler 2. Berat badan dipindah ke Depedent list.3. Perlakuan dipindah ke Factor list.4. Klik Plots5. Hilangkan centang Steam-and-leaf, dan centang Histogram.6. Centang Normality plots with test. Klik Continue OK

Kemudian analisis pada table “Test of Normality”.Catatan:

Gunakan Kolmogorov apabila sampel >50Gunakan Shapiro Wilk apabila sampel <50

Maka yang kita gunakan sekarang adalah nilai signisifikansi Shapiro Wilk.

Maka:Berdistribusi Normal bila sig. > 0,05Tidak berdistribusi normal bila sig <0,05

0,67 > 0,05 0,23 > 0,05

Kedua data berdistribusi normal, maka T-test Independen dapat dilanjutkan.

Design by ; Radi saputra

UJI PARAMETRIK – INDEPENDEN

STATISTIKA

1313

LANGKAH PENYELESAIAN2. T-test Independent

1. Klik Analyze Compare means Independent-Samples T Test2. Masukkan berat badan ke Test Variable, dan perlakuan ke Grouping

Variable3. Kemudian isikan group variable dengan cara klik Define Group.

Group 1 isi angka 1 (Dipijat), group 2 di isi angka 2 (Tidak dipijat) Continue.

4. Klik Options isi taraf kepercayaan 95% (didapat dari 100% dikurang nilai signifikansi(5%))

5. Klik Continue OK.

Kemudian analisislah pada table output apakan kedua data memiliki nilai variansi yang sama atau tidak.

Apabila sig. >0,05 variansi samaApabila sig <0,05 variansi tidak sama

Jadi nilai variansinya adalah sama, maka digunakan nilai sig. yang pada baris pertama pada kolom sig (2-tailed)

H0 diterima : bila sig. > 0,05H0 ditolak : bila sig. < 0,05 maka H1 diterima.

Maka0,04 < 0,05H1 di terima “berat badan bayi yang dipijat ≠ berat badan bayi yang tidak dipijat.”

Design by ; Radi saputra

UJI PARAMETRIK – DEPENDEN

STATISTIKA

1414

Kapan menggunakan uji parametrik DEPENDEN????

digunakan ketika menguji dua sampel berpasangan atau DEPENDEN. Dalam artian kedua sampel berasal dari sampel atau sub yang sama namun diukur sebanyak dua kali pengukuran. Yaitu diukur sebelum dan sesuadah sebuah perlakuan.

Syarat penggunaan INDEPENDEN1. Data harus berdistribusi normal2. Kedua sampelnya DEPENDEN (Berpasangan)

Contoh :1. Seorang peneliti ingin mengetahui seberapa signifikan pengaruh

pelatihan marketing yang diikuti oleh sales dalam meningkatkan prestasi penjualannya. Untuk itu dilakukan pengambilan data 10 orang sampel sales sebelum dan sesudah mengikuti pelatihan. Dengan signisifikansi 5%.

Design by ; Radi saputra

UJI PARAMETRIK – DEPENDEN

STATISTIKA

1515

Nama Sebelum (unit/hari) Sesudah (unit/hari)

rudi 11 14

mira 13 14

angga 13 14

siska 12 13

gotik 12 14

yudi 13 15

jojo 14 16

anto 12 13

stria 13 15

yuyun 14 16

Berikut data sebelum dan sesuah mengikuti pelatihan :

HIPOTESIS :H0: Rata-rata penjualan sebelum mengikuti pelatihan = Rata-rata penjualan sesudah mengikuti pelatihan

H1: Rata-rata penjualan sebelum mengikuti pelatihan ≠ Rata-rata penjualan sesudah mengikuti pelatihan

LANGKAH PENYELESAIAN1. Penuhi syarat “data harus berdistribusi normal”. Test data dengan

langkah berikut:1. Klik analyze Descriptive statistics Expoler 2. Pindahkan Sebelum_pelatihan dan Sesudah_pelatihan ke

Depedent list.3. Klik Satistic, masukkan taraf kepercayaan 95%. Kemudian

Continue.4. Klik Plots5. Hilangkan centang Steam-and-leaf, dan centang Histogram.6. Centang Normality plots with test. Klik Continue OKKemudian analisis pada table “Test of Normality”.Catatan:

Gunakan Kolmogorov apabila sampel >50Gunakan Shapiro Wilk apabila sampel <50

Maka yang kita gunakan sekarang adalah nilai signisifikansi Shapiro Wilk.

Design by ; Radi saputra

UJI PARAMETRIK – DEPENDEN

STATISTIKA

1616

Maka:Berdistribusi Normal bila sig. > 0,05Tidak berdistribusi normal bila sig <0,05

0,287 > 0,05 0,177 > 0,05

Kedua data berdistribusi normal, maka T-test Dependen dapat dilanjutkan.

Design by ; Radi saputra

UJI PARAMETRIK – DEPENDEN

STATISTIKA

1717

LANGKAH PENYELESAIAN

2. T-test Dependent1. Klik Analyze Compare means Paired-Samples T Test2. Masukkan Sebelum_pelatihan ke Variable 1, dan

Sesudah_pelatihan ke Variable 2.3. Klik Options isi taraf kepercayaan 95% (didapat dari 100% dikurang

nilai signifikansi(5%))4. Klik Continue OK.

Kemudian analisislah pada table output.

Hipotesis:

H0 diterima : bila sig. > 0,05H0 ditolak : bila sig. < 0,05 maka H1 diterima.

Maka0,000 < 0,05

H1: Rata-rata penjualan sebelum mengikuti pelatihan ≠ Rata-rata penjualan sesudah mengikuti pelatihan

TERIMA KASIH

1818Design by ; Radi saputra