t Test <ul><li>T test merupakan salah satu test statistik yang dipergunakan untuk menguji kebenaran atau kepalsuan hipotes...
<ul><li>Sample adalah suatu proporsi kecil dari populasi yang seharusnya dipilih atau ditetapkan untuk keperluan analisa, ...
PAIRED SAMPLE T TEST <ul><li>UJI T UNTUK SAMPLE YANG BERPASANGAN </li></ul><ul><li>Dua sample yang berpasangan diartikan s...
No Sebelum Sesudah   X Y 1 76.85 76.22 2 77.95 77.89 3 78.65 79.02 4 79.25 80.21 5 82.65 82.65 6 88.15 82.53 7 92.54 92.56...
Langkah Uji t Paired <ul><li>Analyze </li></ul><ul><li>Compare-Mean </li></ul><ul><li>Paired-Sample T Test </li></ul><ul><...
Analisis <ul><li>Paired Samples Statistics menunjukan berat rata-rata sebelum dan sesudah minum obat </li></ul><ul><li>Out...
Hipotesis <ul><li>H 0  = kedua rata-rata populasi adalah identik (rata-rata populasi berat badan sebelum dan sesudah minum...
Keputusan <ul><li>t hitung dari output adalah 1.646 tingkat sig. 0.134 </li></ul><ul><li>df = 9 ,  α  = 0.05  </li></ul><u...
One Sample t Test <ul><li>Pengujian satu sample pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan ...
Langkah Penyelesaian <ul><li>Dari menu SPSS pilih Analyze </li></ul><ul><li>Compare-Means. </li></ul><ul><li>One Sample T ...
Analisis <ul><li>One-Sample Statistics – konsumen sebelum minum obat memiliki berat rata-rata 84,51kg </li></ul><ul><li>Hi...
Keputusan <ul><li>df = 9 ,  α  = 0.05  </li></ul><ul><li>Uji dilakukan dua sisi karena akan diketahui apakah rata-rata  Se...
Independent Sample T Test <ul><li>Uji dua sample untuk mengetahui apakah ada perbedaan rata-rata (mean) antara dua populas...
No Tinggi Berat Gender 1 174.5 65.8 Pria 2 178.6 62.7 Pria 3 170.8 66.4 Pria 4 168.2 68.9 Pria 5 159.7 67.8 Pria 6 167.8 6...
Langkah Penyelesaian <ul><li>Dari menu SPSS pilih Analyze </li></ul><ul><li>Compare-Means. </li></ul><ul><li>Independent- ...
Analisis <ul><li>Terlihat jumlah mean Untuk Tinggi badan Pria dan wanita yang memiliki perbedaan yang cukup tinggi, juga t...
Keputusan <ul><li>Tinggi Badan </li></ul><ul><li>Terlihat F hitung untuk tinggi badan dengan Equal Variance Assumed (diasu...
<ul><li>T hitung untuk tinggi badan dengan equal variance not assumed (diasumsikan kedua varians tidak sama atau menggunak...
<ul><li>Berat Badan </li></ul><ul><li>H 0  = Kedua Varian Populasi adalah identik (Varians populasi Berat badan pria dan w...
<ul><li>T hitung untuk Berat badan dengan equal variance assumed (diasumsikan kedua varians sama atau menggunakan pooled v...
Ringkasan <ul><li>Diuji dengan F test terlebih dahulu (Levene test) apakah varians sama atau tidak </li></ul><ul><li>Jika ...
Mean Difference <ul><li>Setelah dilakukan uji dengan F test dan t test dan diketahui penggunaan equal variance assumed dan...
<ul><li>Dari F test pada bahasan sebelumnya didapat uji perbedaaan rata-rata dilakukan dengan Equal variance not assumed, ...
<ul><li>Berat Badan </li></ul><ul><li>Berdasarkan output telihat pada baris Mean Diference untuk berat badan adalah 16.900...
<ul><li>Dari F test pada bahasan sebelumnya didapat uji perbedaaan rata-rata dilakukan dengan Equal variance assumed, maka...
UJI t dengan CUT POINT <ul><li>Cut Point atau titik potong yaitu suatu angka/data numerik yang berfungsi sebagai batas yan...
Langkah Penyelesaian <ul><li>Dari menu SPSS pilih Analyze </li></ul><ul><li>Compare-Means. </li></ul><ul><li>Independent- ...
Analisis <ul><li>Untuk sample di atas 50Kg terdapat 9 orang  dengan tinggi rata-rata 166.622cm,  </li></ul><ul><li>sedangk...
<ul><li>Hipotesis: </li></ul><ul><li>H 0  = Kedua Varians Populasi adalah identik (Varians populasi berat badan di atas 50...
Keputusan <ul><li>Terlihat bahwa F hitung Tinggi Badan dengan Equal variance assumed (diasumsikan kedua varians sama atau ...
<ul><li>Tinggi Badan </li></ul><ul><li>Berdasarkan output telihat pada baris Mean Diference untuk Tinggi badan adalah 13.9...
<ul><li>Dari F test pada bahasan sebelumnya didapat uji perbedaaan rata-rata dilakukan dengan Equal variance not assumed, ...
 
Upcoming SlideShare
Loading in …5
×

Sesi iii t test & f test

5,605 views

Published on

Materi Matematika T test dan F test

Published in: Business, Technology
0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
5,605
On SlideShare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
267
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide

Sesi iii t test & f test

  1. 1. t Test <ul><li>T test merupakan salah satu test statistik yang dipergunakan untuk menguji kebenaran atau kepalsuan hipotesa nihil yang menyatakan bahwa diantara dua buah Mean Sample yang diambil secara random dari populasi yang sama, tidak terdapat perbedaan yang signifikan. </li></ul><ul><li>“ t” merupakan suatu angka atau koefisien yang melambangkan derajat perbedaan Mean kedua kelompok sample yang sedang diteliti. </li></ul><ul><li>T test pertama dikembangkan oleh William Seely Gosset pada tahun 1915. “t” Test diambil dari huruf terakhir dari namanya. </li></ul><ul><li>Tujuan utama kegiatan penelitian antara lain ialah menemukan prinsip yang dapat diberlakukan secara umum atau bersifat universal, untuk dapat menemukan prinsip tesebut secara ideal teoritik, seorang peneliti seharusnya meneliti keseluruhan objek yang ia hadapi dengan kata lain meneliti populasinya, dalam hal ini populasi kecil atau sample. </li></ul>
  2. 2. <ul><li>Sample adalah suatu proporsi kecil dari populasi yang seharusnya dipilih atau ditetapkan untuk keperluan analisa, dengan meneliti sample peneliti berharap akan dapat menarik kesimpulan tertentu yang akan dikenakan terhadap populasinya. </li></ul><ul><li>Menarik kesimpulan secara umum terhadap populasi dengan menggunakan sample dikenal dengan istilah generalisasi. </li></ul><ul><li>Besar kecilnya kesalahan sampling dapat dilihat melalui angka standard Error of the Mean </li></ul>
  3. 3. PAIRED SAMPLE T TEST <ul><li>UJI T UNTUK SAMPLE YANG BERPASANGAN </li></ul><ul><li>Dua sample yang berpasangan diartikan sebagai sebuah sample dengan objek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda </li></ul><ul><li>Contoh : Produsen Obat Diet (penurun berat badan) ingin mengetahui obat yang diproduksinya benar-benar mempunyai efek terhadap penurunan berat badan konsumen, untuk itu di lakukan pengukuran berat badan konsumen pengguna obat tsb. Setelah sebulan mengkonsumsi obat tersebut, kembali dilakukan pengukuran berat badan </li></ul>
  4. 4. No Sebelum Sesudah   X Y 1 76.85 76.22 2 77.95 77.89 3 78.65 79.02 4 79.25 80.21 5 82.65 82.65 6 88.15 82.53 7 92.54 92.56 8 96.25 92.33 9 84.56 85.12 10 88.25 84.56
  5. 5. Langkah Uji t Paired <ul><li>Analyze </li></ul><ul><li>Compare-Mean </li></ul><ul><li>Paired-Sample T Test </li></ul><ul><li>Pilih kedua Variabel secara bersamaan </li></ul><ul><li>Masukan ke kolom sebelah kanan </li></ul><ul><li>Klik option </li></ul><ul><li>Pengisian Confidence Interval atau tingkat kepercayaan SPSS menggunakan 95% atau tingkat signifikansi 5% </li></ul><ul><li>Untuk Missing value atau data hilang, oleh karena seluruh data lengkap ,maka abaikan saja bagian ini </li></ul><ul><li>Continue </li></ul><ul><li>Ok </li></ul>
  6. 6. Analisis <ul><li>Paired Samples Statistics menunjukan berat rata-rata sebelum dan sesudah minum obat </li></ul><ul><li>Output kedua menunjukan hasil korelasi antara X dan Y yang menghasilkan nilai 0,943 dengan tingkat signifikansi 0,000 </li></ul><ul><li>Hal ini menunjukan bahwa korelasi antara X dan Y sangat erat dan benar-benar berhubungan secara nyata </li></ul>
  7. 7. Hipotesis <ul><li>H 0 = kedua rata-rata populasi adalah identik (rata-rata populasi berat badan sebelum dan sesudah minum obat adalah tidak berbeda secara nyata) </li></ul><ul><li>H 1 = kedua rata-rata populasi adalah tidak identik (rata-rata populasi berat badan sebelum dan sesudah minum obat adalah memang berbeda secara nyata) </li></ul><ul><li>Dasar pengambilan keputusan </li></ul><ul><li>Berdasarkan perbandingan t hitung dengan tabel </li></ul><ul><li>Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t) maka, H 0 =ditolak </li></ul><ul><li>Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t) maka, H 0 =diterima </li></ul><ul><li>Berdasarkan nilai probabilitas </li></ul><ul><li>Jika probabilitas >0.05, maka H 0 =diterima </li></ul><ul><li>Jika probabilitas <0.05, maka H 0 =ditolak </li></ul>
  8. 8. Keputusan <ul><li>t hitung dari output adalah 1.646 tingkat sig. 0.134 </li></ul><ul><li>df = 9 , α = 0.05 </li></ul><ul><li>Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak, jadi bisa lebih besar atau lebih kecil, karenanya maka dipakai uji dua sisi, maka α /2 menjadi = 0.025 </li></ul><ul><li>t Hitung 1.646 < t Tabel adalah 2.262 maka H 0 =diterima </li></ul><ul><li>Tingkat sig.0.134 > α 0.05 </li></ul><ul><li>maka H 0 = diterima </li></ul><ul><li>Kesimpulan : </li></ul><ul><li>Berat badan sebelum dan sesudah minum obat relatif sama, dengan kata lain, obat penurun berat badan tersebut tidak efektif dalam menurunkan berat badan secara nyata </li></ul>
  9. 9. One Sample t Test <ul><li>Pengujian satu sample pada prinsipnya ingin menguji apakah suatu nilai tertentu (yang diberikan sebagai pembanding)berbeda secara nyata ataukah tidak dengan nilai rata-rata sebuah sample </li></ul><ul><li>Misal diduga populasi rata-rata sebelum minum obat adalah 84.51kg . Untuk membuktikan hal tersebut sekelompok orang konsumen di timbang dan mempunyai rata-rata berat badan 90kg . Dengan data diatas, apakah dapat disimpulkan bahwa berat populasi rata-rata memang 84,51kg? </li></ul>
  10. 10. Langkah Penyelesaian <ul><li>Dari menu SPSS pilih Analyze </li></ul><ul><li>Compare-Means. </li></ul><ul><li>One Sample T Test </li></ul><ul><li>Masukan variabel Sebelum ke kolom kanan test variabel </li></ul><ul><li>Test Value masukan nilai 90 </li></ul><ul><li>Option – Exclude Cases analyze-by analyze-Continue-Ok </li></ul>
  11. 11. Analisis <ul><li>One-Sample Statistics – konsumen sebelum minum obat memiliki berat rata-rata 84,51kg </li></ul><ul><li>Hipotesis: </li></ul><ul><li>H 0 = berat kelompok konsumen (populasi) adalah identik (rata-rata populasi berat badan sebelum minum obat adalah tidak berbeda secara nyata) </li></ul><ul><li>H 1 = berat kelompok konsumen (populasi) adalah tidak identik (rata-rata populasi berat badan sebelum minum obat adalah memang berbeda secara nyata) </li></ul><ul><li>Dasar pengambilan keputusan </li></ul><ul><li>Berdasarkan perbandinagan t hitung dengan tabel </li></ul><ul><li>Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t) maka, H 0 =ditolak </li></ul><ul><li>Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t) maka, H 0 =diterima </li></ul><ul><li>Berdasarkan nilai probabilitas </li></ul><ul><li>Jika probabilitas >0.05, maka H 0 =diterima </li></ul><ul><li>Jika probabilitas <0.05, maka H 0 =ditolak </li></ul>
  12. 12. Keputusan <ul><li>df = 9 , α = 0.05 </li></ul><ul><li>Uji dilakukan dua sisi karena akan diketahui apakah rata-rata Sebelum sama dengan Sesudah ataukah tidak, jadi bisa lebih besar atau lebih kecil, karenanya maka dipakai uji dua sisi, maka α /2 menjadi = 0.025 </li></ul><ul><li>T hitung = -2,615 > t tabel 2.262, maka H 0 =ditolak </li></ul><ul><li>Dengan probabilitas 0,028 < 0,05, maka H 0 ditolak: atau berat rata-rata populasi sebelum minum obat bukanlah 84,51kg </li></ul>
  13. 13. Independent Sample T Test <ul><li>Uji dua sample untuk mengetahui apakah ada perbedaan rata-rata (mean) antara dua populasi dengan rata-rata dua samplenya </li></ul><ul><li>Contoh kasus : Seorang peneliti ingin mengetahui apakah ada perbedaan antar tinggi dan berat badan seorang wanita, untuk itu dilakukan pengukuran terhadap 14 orang </li></ul>
  14. 14. No Tinggi Berat Gender 1 174.5 65.8 Pria 2 178.6 62.7 Pria 3 170.8 66.4 Pria 4 168.2 68.9 Pria 5 159.7 67.8 Pria 6 167.8 67.8 Pria 7 165.5 65.8 Pria 8 154.7 48.7 Wanita 9 152.7 45.7 Wanita 10 155.8 46.2 Wanita 11 154.8 43.8 Wanita 12 157.8 58.1 Wanita 13 156.7 54.7 Wanita 14 154.7 49.7 Wanita
  15. 15. Langkah Penyelesaian <ul><li>Dari menu SPSS pilih Analyze </li></ul><ul><li>Compare-Means. </li></ul><ul><li>Independent- Sample t Test </li></ul><ul><li>Masukan variabel Tinggi dan Berat ke kolom kanan test variabel </li></ul><ul><li>Grouping Variable masukan Gender </li></ul><ul><li>Klik Define Group </li></ul><ul><li>Group 1 isi dengan 1, yang berarti Group 1 berisi tanda 1 atau Pria </li></ul><ul><li>Group 2 isi dengan 2, yang berarti Group 2 berisi tanda 2 atau Wanita – Continue </li></ul><ul><li>Option -95% Continue – ok </li></ul>
  16. 16. Analisis <ul><li>Terlihat jumlah mean Untuk Tinggi badan Pria dan wanita yang memiliki perbedaan yang cukup tinggi, juga terhadap jumlah mean Berat badan pria dan wanita </li></ul><ul><li>F test untuk menguji apakah ada kesamaan varians pada data pria dan wanita </li></ul><ul><li>Hipotesis: </li></ul><ul><li>H 0 = Kedua Varian Populasi adalah identik (Varians populasi tinggi badan pria dan wanita adalah sama) </li></ul><ul><li>H 1 = Kedua Varian Populasi adalah tidak identik (Varians populasi tinggi badan pria dan wanita adalah berbeda) </li></ul><ul><li>Dasar pengambilan keputusan </li></ul><ul><li>Berdasarkan nilai probabilitas </li></ul><ul><li>Jika probabilitas >0.05, maka H 0 =diterima </li></ul><ul><li>Jika probabilitas <0.05, maka H 0 =ditolak </li></ul>
  17. 17. Keputusan <ul><li>Tinggi Badan </li></ul><ul><li>Terlihat F hitung untuk tinggi badan dengan Equal Variance Assumed (diasumsikan kedua varians sama atau menggunakan pooled variane t test ) adalah 5,475 dengan probabilitas 0,037. oleh karena probabilitas < 0,05 maka Ho ditolak atau kedua varians benar-benar berbeda </li></ul><ul><li>Perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan rata-rata populasi dengan t test, sebaiknya menggunakan dasar Equal variance not assumed (diasumsikan kedua varians tidak sama) </li></ul><ul><li>Analisis dengan memakai t test untuk asumsi varians tidak sama </li></ul><ul><li>Hipotesis: </li></ul><ul><li>H 0 = Kedua rata-rata Populasi adalah identik (rata-rata populasi tinggi badan pria dan wanita adalah sama) </li></ul><ul><li>H 1 = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi tinggi badan pria dan wanita adalah berbeda) </li></ul><ul><li>NB: Berbeda dengan asumsi sebelumnya yang menggunakan varians, sekarang dipakai mean atau rata-rata hitung </li></ul>
  18. 18. <ul><li>T hitung untuk tinggi badan dengan equal variance not assumed (diasumsikan kedua varians tidak sama atau menggunakan separate variance test) adalah 5,826 dengan probabilitas 0,001. </li></ul><ul><li>Oleh karena probabilitas <0,05, maka Ho ditolak, atau kedua rata-rata (mean) tinggi badan pria dan wanita benar-benar berbeda, dalam artian pria mempunyai rata-rata tinggi badan yang lebih dari wanita </li></ul><ul><li>Perubahan dari penggunaan equal variance assumed ke equal variance not assumed mengakibatkan menurunnya degree of freedom df (derajat kebebasan), yaitu dari 12 menjadi 6,856 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sample menjadi berkurang sekitar 40% lebih </li></ul>Keputusan
  19. 19. <ul><li>Berat Badan </li></ul><ul><li>H 0 = Kedua Varian Populasi adalah identik (Varians populasi Berat badan pria dan wanita adalah sama) </li></ul><ul><li>H 1 = Kedua Varian Populasi adalah tidak identik (Varians populasi Berat badan pria dan wanita adalah berbeda) </li></ul><ul><li>keputusan </li></ul><ul><li>Terlihat F hitung untuk berat badan dengan Equal Variance Assumed (diasumsikan kedua varians sama atau menggunakan pooled variane t test ) adalah 4,345 dengn probabilitas 0,059. oleh karena probabilitas > 0,05 maka Ho diterima atau kedua varians sama. </li></ul><ul><li>Tidak ada perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan rata-rata populasi (atau tast untuk equality of mean) dengan t test, sebaiknya menggunakan dasar Equal variance assumed (diasumsikan kedua varians sama) </li></ul><ul><li>Hipotesis: </li></ul><ul><li>H 0 = Kedua rata-rata Populasi adalah identik (rata-rata populasi Berat badan pria dan wanita adalah sama) </li></ul><ul><li>H 1 = Kedua rata-rata Populasi adalah tidak identik (rata-rata populasi Berat badan pria dan wanita adalah berbeda) </li></ul><ul><li>NB : Berbeda dengan asumsi sebelumnya yang menggunakan varians sekarang dipakai mean </li></ul>
  20. 20. <ul><li>T hitung untuk Berat badan dengan equal variance assumed (diasumsikan kedua varians sama atau menggunakan pooled variance test) adalah 5,475 dengan probabilitas 0,037. oleh karena probabilitas<0,05, maka Ho ditolak, atau kedua rata-rata (mean) berat badan pria dan wanita benar-benar berbeda, dalam artian pria mempunyai rata-rata Berat badan yang lebih dari wanita </li></ul><ul><li>Perubahan dari penggunaan equal variance assumed ke equal variance not assumed mengakibatkan menurunnya degree of freedom df (derajat kebebasan), yaitudari 12 menjadi 6,856 atau kegagalan mengasumsikan kesamaan varians berakibat keefektifan ukuran sample menjadi berkurang sekitar 40% lebih </li></ul>Keputusan
  21. 21. Ringkasan <ul><li>Diuji dengan F test terlebih dahulu (Levene test) apakah varians sama atau tidak </li></ul><ul><li>Jika hipotesis ditolak atau varians berbeda, untuk membandingkan means digunakan t test dengan asumsi varians tidak sama </li></ul><ul><li>Jika hipotesis diterima atau varians sama, terlihat otomatis pada output SPSS tidak ada angka untuk t test Equal varians not assumed. Oleh karena itu, test dengan uji t untuk membandingkan means langsung dilakukan dengan Equal varians assumed </li></ul>
  22. 22. Mean Difference <ul><li>Setelah dilakukan uji dengan F test dan t test dan diketahui penggunaan equal variance assumed dan equal not assumed, dan diketahui ada perbedaan yang nyata antara tinggi dan berat badan pria dan wanita, langkah selanjutnya adalah mengetahui seberapa besar perbedaan tersebut. </li></ul><ul><li>Tinggi Badan </li></ul><ul><li>Berdasarkan output telihat pada baris Mean Diference untuk tinggi badan adalah 13.986 angka ini berasal dari : (rata-rata tinggi badan pria) – (rata-rata tinggi badan wanita) </li></ul><ul><li>= 169.300cm-155.314cm </li></ul><ul><li>= 13.986 cm </li></ul>
  23. 23. <ul><li>Dari F test pada bahasan sebelumnya didapat uji perbedaaan rata-rata dilakukan dengan Equal variance not assumed, maka sekarang lihat pada keterangan ’95% Confidence Interval of Means’ dan kolom Equal variance not assumed. Pada baris tersebut didapat angka: </li></ul><ul><li>Lower (perbedaan rata-rata bagian bawah) adalah 8.285 cm </li></ul><ul><li>Upper (perbedaan rata-rata bagian atas) adalah 19.686 cm </li></ul><ul><li>Hal ini berarti perbedaan tinggi badan pria dan wanita berkisar antara 8.285cm sampai 19.686cm, dengan perbedaan rata-rata adalah 13,986 </li></ul>
  24. 24. <ul><li>Berat Badan </li></ul><ul><li>Berdasarkan output telihat pada baris Mean Diference untuk berat badan adalah 16.900 angka ini berasal dari : (rata-rata berat badan pria) – (rata-rata berat badan wanita) </li></ul><ul><li>= 66.457Kg - 49.557Kg </li></ul><ul><li>= 16.900Kg </li></ul>
  25. 25. <ul><li>Dari F test pada bahasan sebelumnya didapat uji perbedaaan rata-rata dilakukan dengan Equal variance assumed, maka sekarang lihat pada keterangan ’95% Confidence Interval of Means’ dan kolom Equal variance assumed. Pada baris tersebut didapat angka: </li></ul><ul><li>Lower (perbedaan rata-rata bagian bawah) adalah 12.339Kg </li></ul><ul><li>Upper (perbedaan rata-rata bagian atas) adalah 21.461Kg </li></ul><ul><li>Hal ini berarti perbedaan Berat badan pria dan wanita berkisar antara 12.339Kg sampai 21.461Kg , dengan perbedaan rata-rata adalah 16.900Kg </li></ul>
  26. 26. UJI t dengan CUT POINT <ul><li>Cut Point atau titik potong yaitu suatu angka/data numerik yang berfungsi sebagai batas yang berarti membagi data menjadi dua group, (dalam hal ini data yang lebih dari dan data yang kurang dari) misal : lebih dari 50Kg dan Kurang dari 50Kg </li></ul><ul><li>Kasus : </li></ul><ul><li>Seorang peneliti ingin mengetahui apakah ada perbedaan antara mereka yang berbobot lebih dari 50Kg mempunyai rata-rata Tinggi Badan yang lebih tinggi dibandingkan mereka yang berbobot kurang dari 50Kg </li></ul>
  27. 27. Langkah Penyelesaian <ul><li>Dari menu SPSS pilih Analyze </li></ul><ul><li>Compare-Means. </li></ul><ul><li>Independent- Sample t Test </li></ul><ul><li>Masukan variabel Tinggi ke kolom kanan test variable </li></ul><ul><li>Grouping Variable masukan Berat </li></ul><ul><li>Klik Define Group </li></ul><ul><li>Pilih Cut Point, ketik 50 – Continue </li></ul><ul><li>Option  95% </li></ul><ul><li>Continue </li></ul><ul><li>Ok </li></ul>
  28. 28. Analisis <ul><li>Untuk sample di atas 50Kg terdapat 9 orang dengan tinggi rata-rata 166.622cm, </li></ul><ul><li>sedangkan untuk sample di bawah 50Kg terdapat 5 orang dengan tinggi rata-rata 154.540cm </li></ul>
  29. 29. <ul><li>Hipotesis: </li></ul><ul><li>H 0 = Kedua Varians Populasi adalah identik (Varians populasi berat badan di atas 50Kg dan di bawah 50Kg adalah sama) </li></ul><ul><li>H 1 = Kedua Varian Populasi adalah tidak identik (Varians populasi berat badan di atas 50Kg dan di bawah 50Kg adalah berbeda) </li></ul><ul><li>Dasar pengambilan keputusan </li></ul><ul><li>Berdasarkan nilai probabilitas </li></ul><ul><li>Jika probabilitas >0.05, maka H 0 =diterima </li></ul><ul><li>Jika probabilitas <0.05, maka H 0 =ditolak </li></ul>
  30. 30. Keputusan <ul><li>Terlihat bahwa F hitung Tinggi Badan dengan Equal variance assumed (diasumsikan kedua varians sama atau menggunakan pooled variance t test) adalah 7.734 dengan probabilitas 0,017. oleh karena probabilitas <0,05, maka Ho ditolak, atau kedua varians benar-benar berbeda. </li></ul><ul><li>Perbedaan yang nyata dari kedua varians membuat penggunaan varians untuk membandingkan Rata-rata populasi dengan t test sebaiknya menggunakan dasar Equal variance not assumed (diasumsikan kedua varians tidak sama) </li></ul><ul><li>Terlihat bahwa t hitung untuk tinggi badan dengan Equal variance not assumed adalah 4,726, dengan probabilitas 0.001. oleh karena probabilitas <0.05 , maka Ho ditolak, atau ada perbedaan yang nyata diantara mereka yang berbobot lebih dari 50Kg dan mereka yang berbobot kurang dari 50Kg. Dengan kata lain diantara mereka yanga berbobot lebih dari 50Kg mempunyai rata-rata tinggi badan yang lebih tinggi dibandingkan mereka yang berbobot kurang dari 50Kg. </li></ul>
  31. 31. <ul><li>Tinggi Badan </li></ul><ul><li>Berdasarkan output telihat pada baris Mean Diference untuk Tinggi badan adalah 13.986 angka ini berasal dari : </li></ul><ul><li>(rata-rata Tinggi badan sample >50Kg) – (rata-rata Tinggi badan sample <50Kg) </li></ul><ul><li>= 166.622cm - 154.54cm </li></ul><ul><li>= 12.082cm </li></ul>
  32. 32. <ul><li>Dari F test pada bahasan sebelumnya didapat uji perbedaaan rata-rata dilakukan dengan Equal variance not assumed, maka sekarang lihat pada keterangan ’95% Confidence Interval of Means’ dan kolom Equal variance not assumed. Pada baris tersebut didapat angka: </li></ul><ul><li>Lower (perbedaan rata-rata bagian bawah) adalah 6.261cm </li></ul><ul><li>Upper (perbedaan rata-rata bagian atas) adalah 17.904cm </li></ul><ul><li>Hal ini berarti perbedaan Tinggi badan mereka yang >50Kg dan <50Kg berkisar antara 6.261cm sampai 17.904cm , dengan perbedaan rata-rata adalah 12.082cm </li></ul>

×