SlideShare a Scribd company logo
1 of 11
PENGANTAR STATISTIKA
INFERENSIA


       Penaksir
       Estimasi Interval
       Uji Hipotesis
       Teknik Statistik
STATISTIKA INFERENSIA
STATISTIKA INFERENSIAL (INDUKTIF) : BIDANG ILMU STATISTIKA
YANG MEMPELAJARI TATA CARA PENARIKAN KESIMPULAN
MENGENAI KESELURUHAN POPULASI BERDASARKAN DATA
YANG ADA DALAM SUATU BAGIAN DARI POPULASI
TERSEBUT.

PROSEDUR ATAU METODE STATISTIKA, DALAM KAITANNYA
DENGAN PENGOLAHAN DATA, MAKA DAPAT DIBAGI
MENJADI :
1. BERDASARKAN PARAMETERNYA
   BERDASARKAN PARAMETER YANG ADA DAN UNTUK        KEPERLUAN
INFERENSIA, STATISTIKA DAPAT DIBAGI MENJADI : ZZ
A. STATISTIKA PARAMETRIK, MERUPAKAN STATISTIKA INFERENSIAL YANG
MEMBAHAS PARAMETER-PARAMETER POPULASI, DATA YANG DIGUNAKAN
APABILA MEMILIKI SKALA INTERVAL ATAU RASIO SEDANGKAN DISTRIBUSI
DATANYA NORMAL ATAU MENDEKATI NORMAL
B. Statistika nonparametrik, merupakan statistik
  inferensia yang tidak membahas parameter-
  parameter populasi. Digunakan jika data yang
  dianalisis berskala nominal dan ordinal atau
  distribusi data populasinya tidak normal
2. Berdasarkan jumlah variabelnya
  Berdasarkan jumlah variabelnya, analisis
  statistika dapat digolongkan : analisis univariat
  (digunakan untuk mendeskripsikan distribusi
  satu variabel dan uji perbedaan antara data
  yang diteliti dengan ekspektasi atau hipotesis
  peneliti), analisis bivariat menguji perbedaan
  dan mengukur hubungan dua variabel yang
  diteliti), analisis multivariat (menguji
  dependensi dan interdepedensi antar variabel
  yang diteliti)
PEDOMAN PENGGUNAAN STATISTIKA
DESKRIPTIF DAN INDUKTIF.

                  TUJUAN
                 PENELITIAN

    EKSPLORASI
                                    UJI HIPOTESIS
    DESKRIPTIF


     STATISTIK                NOMINAL               INTERVAL
    DESKRIPTIF                ORDINAL                 RASIO

                            STATISTIK
                         NONPARAMETRIK


                                  DISTRIBUSI        DISTRIBUSI
                                TIDAK NORMAL         NORMAL

                                                 STATISTIK
                                                PARAMETRIK
PENAKSIRAN
 Penaksir titik : Nilai tunggal dari suatu parameter
 melalui pendekatan metode tertentu
 Penaksir Selang : Nilai sesungguhnya dari suatu
 parameter yang berada di selang tertentu.
contoh
 Seorang mahasiswa calon sarjana Matematika
 memiliki target IPK setelah lulus 3,5
 Taksiran Titik IP = 3.5
 Seorang mahasiswa memiliki target IPK setelah
 lulus minimum 3
 Taksiran Selang IP = [3, 4]
PENAKSIR

   Penaksir titik :
    Statistika yang digunakan untuk mendapatkan taksiran titik
    disebut penaksir/fungsi keputusan




    Penaksir selang :
    Taksiran selang suatu parameter populasi    :



    selang kepercayaan : perhitungan selang diatas berdasarkan
    sampel acak
PENAKSIRAN BERDASARKAN BANYAK
POPULASI
   Dengan menaksir µ
    1 populasi :
    gunakan tabel z jika varians populasi diketahui
    gunakan tabel t jika varians populasi tidak diketahui
    2 populasi berpasangan :
    ciri2 nya : setiap percobaan mempunyai sepasang pengamatan
    dengan data berasal dari satu populasi yang sama
    lakukan perhitungan dengan menggunakan rata2 selisih dari 2
    kelompok data.
    gunakan perhitungan tabel seperti pd 1 populasi
    2 populasi :
    gunakan tabel z jika kedua varians diketahui
    gunakan tabel t jika tidak diketahui keadaan nilai kedua varians.
PENAKSIRAN BERDASARKAN BANYAK
POPULASI (SAMBUNGAN)


   Dengan menaksir varians populasi
    1 populasi dan 2 populasi berpasangan :
    gunakan tabel chi kuadrat
    2 populasi :
    gunakan tabel F
UJI HIPOTESIS

    Statistika test :
1.   Research hypothesis / alternative hypothesis / Ha
     => hipotesa penelitian
2.   Null Hypothesis / Ho
3.   Test Statistics / TS => uji statistik
4.   Rejection Region / RR
5.   Check assumptions & draw conclusions
Inferensi Statistik
   Hipotesis nol (H0).
    Hipotesis yang akan diuji oleh suatu prosedur
    statistik, biasanya berupa suatu pernyataan tidak adanya
    perbedaan atau tidak adanya hubungan.
    Pernyataan nol dapat diartikan bahwa pernyataan tentang
    parameter tidak didukung secara kuat oleh data.
   Hipotesis alternatif (H1).
    Hipotesis yang merupakan lawan dari H0, biasanya berupa
    pernyataan tentang adanya perbedaan atau adanya
    hubungan.
    H1 digunakan untuk menunjukkan bahwa pernyataan
    mendapat dukungan kuat dari data.
   Logika Uji Hipotesis.
    Tidak dapat dibuktikan bahwa suatu hipotesis itu benar, tapi
    dapat dibuktikan bahwa suatu hipotesis itu salah
HYPOTHESES :
 Case 1. Ho : µ ≤ µo VS Ha : µ > µo (right-tailed test)
 Case 2. Ho : µ ≥ µo VS Ha : µ < µo (left-tailed test)

 Case 3. Ho : µ = µo VS Ha : µ ≠ µo (two-tailed test)



   T.S. : use Z or T

  R.R. :
 Case 1. Reject Ho if Z ≥ Z

 Case 2. Reject Ho if Z ≤ - Zo

 Case 3. Reject Ho If |Z| ≥ Z/2
 Check assumpsion and draw

 Put your final conclusion.

More Related Content

What's hot

Uji hipotesis 1 & 2 rata rata
Uji hipotesis 1 & 2 rata rataUji hipotesis 1 & 2 rata rata
Uji hipotesis 1 & 2 rata rata
yositria
 
ringkasan uji homogenitas dan normalitas
ringkasan uji homogenitas dan normalitasringkasan uji homogenitas dan normalitas
ringkasan uji homogenitas dan normalitas
Gina Safitri
 
Distribusi Binomial, Poisson dan Normal ppt
Distribusi Binomial, Poisson dan Normal pptDistribusi Binomial, Poisson dan Normal ppt
Distribusi Binomial, Poisson dan Normal ppt
Aisyah Turidho
 
Distribusi binomial dan poisson baru
Distribusi binomial dan poisson baruDistribusi binomial dan poisson baru
Distribusi binomial dan poisson baru
ratuilma
 

What's hot (20)

BAB 5. Distribusi Normal dan Distribusi Sampling
BAB 5. Distribusi Normal dan Distribusi SamplingBAB 5. Distribusi Normal dan Distribusi Sampling
BAB 5. Distribusi Normal dan Distribusi Sampling
 
Metode Middle-square sebagai Random Number Generator
Metode Middle-square sebagai Random Number GeneratorMetode Middle-square sebagai Random Number Generator
Metode Middle-square sebagai Random Number Generator
 
Uji hipotesis 1 & 2 rata rata
Uji hipotesis 1 & 2 rata rataUji hipotesis 1 & 2 rata rata
Uji hipotesis 1 & 2 rata rata
 
Press dan satistik cp (regresi)
Press dan satistik cp (regresi)Press dan satistik cp (regresi)
Press dan satistik cp (regresi)
 
Supremum dan infimum
Supremum dan infimum  Supremum dan infimum
Supremum dan infimum
 
ringkasan uji homogenitas dan normalitas
ringkasan uji homogenitas dan normalitasringkasan uji homogenitas dan normalitas
ringkasan uji homogenitas dan normalitas
 
uji hipotesis satu rata rata
uji hipotesis satu rata   ratauji hipotesis satu rata   rata
uji hipotesis satu rata rata
 
Distribusi Binomial, Poisson dan Normal ppt
Distribusi Binomial, Poisson dan Normal pptDistribusi Binomial, Poisson dan Normal ppt
Distribusi Binomial, Poisson dan Normal ppt
 
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRITBAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
BAB 4. PROBABILITAS DASAR dan DISTRIBUSI PROBABILITAS DISKRIT
 
09 distribusi probabilitas diskrit
09 distribusi probabilitas diskrit09 distribusi probabilitas diskrit
09 distribusi probabilitas diskrit
 
Peluang dan Statistika
Peluang dan StatistikaPeluang dan Statistika
Peluang dan Statistika
 
APG Pertemuan 4 : Multivariate Normal Distribution (2)
APG Pertemuan 4 : Multivariate Normal Distribution (2)APG Pertemuan 4 : Multivariate Normal Distribution (2)
APG Pertemuan 4 : Multivariate Normal Distribution (2)
 
Modul 1 pd linier orde satu
Modul 1 pd linier orde satuModul 1 pd linier orde satu
Modul 1 pd linier orde satu
 
UJI PROPORSI DUA SAMPEL
UJI PROPORSI DUA SAMPELUJI PROPORSI DUA SAMPEL
UJI PROPORSI DUA SAMPEL
 
Uji Hipotesis Satu Rata-rata
Uji Hipotesis Satu Rata-rataUji Hipotesis Satu Rata-rata
Uji Hipotesis Satu Rata-rata
 
Distribusi binomial dan poisson baru
Distribusi binomial dan poisson baruDistribusi binomial dan poisson baru
Distribusi binomial dan poisson baru
 
P11_penyebaran data variansi (ragam)
P11_penyebaran data variansi (ragam)P11_penyebaran data variansi (ragam)
P11_penyebaran data variansi (ragam)
 
APG Pertemuan 5 : Inferensia Vektor Rata-rata
APG Pertemuan 5 : Inferensia Vektor Rata-rataAPG Pertemuan 5 : Inferensia Vektor Rata-rata
APG Pertemuan 5 : Inferensia Vektor Rata-rata
 
uji hipotesis beda dua rata - rata
uji hipotesis beda dua rata - ratauji hipotesis beda dua rata - rata
uji hipotesis beda dua rata - rata
 
Simple random sampling
Simple random samplingSimple random sampling
Simple random sampling
 

Viewers also liked

Materi P2_Pengantar Statistik Inferensial
Materi P2_Pengantar Statistik InferensialMateri P2_Pengantar Statistik Inferensial
Materi P2_Pengantar Statistik Inferensial
M. Jainuri, S.Pd., M.Pd
 
Dasar dasar statistik inferensial
Dasar dasar statistik inferensialDasar dasar statistik inferensial
Dasar dasar statistik inferensial
Apriliani Putri
 
Pengertian statistik, statistika, statistik deskriptif dan statistik inferens...
Pengertian statistik, statistika, statistik deskriptif dan statistik inferens...Pengertian statistik, statistika, statistik deskriptif dan statistik inferens...
Pengertian statistik, statistika, statistik deskriptif dan statistik inferens...
ardynuryadi
 
Selang kepercayaan
Selang kepercayaanSelang kepercayaan
Selang kepercayaan
sidesty
 

Viewers also liked (20)

Statistik inferensial
Statistik inferensialStatistik inferensial
Statistik inferensial
 
Materi P2_Pengantar Statistik Inferensial
Materi P2_Pengantar Statistik InferensialMateri P2_Pengantar Statistik Inferensial
Materi P2_Pengantar Statistik Inferensial
 
Dasar dasar statistik inferensial
Dasar dasar statistik inferensialDasar dasar statistik inferensial
Dasar dasar statistik inferensial
 
9 pengantar analisa inferensial
9 pengantar analisa inferensial9 pengantar analisa inferensial
9 pengantar analisa inferensial
 
Pengertian statistik, statistika, statistik deskriptif dan statistik inferens...
Pengertian statistik, statistika, statistik deskriptif dan statistik inferens...Pengertian statistik, statistika, statistik deskriptif dan statistik inferens...
Pengertian statistik, statistika, statistik deskriptif dan statistik inferens...
 
F 20025 5a
F 20025 5aF 20025 5a
F 20025 5a
 
Pert 02 a, konsep dasar, makna dan manfaat stat
Pert 02 a, konsep dasar, makna dan manfaat statPert 02 a, konsep dasar, makna dan manfaat stat
Pert 02 a, konsep dasar, makna dan manfaat stat
 
Mm1
Mm1Mm1
Mm1
 
Statistik (Bab 1)
Statistik (Bab 1) Statistik (Bab 1)
Statistik (Bab 1)
 
Nota.statistik
Nota.statistikNota.statistik
Nota.statistik
 
08 penaksiran parameter
08 penaksiran parameter08 penaksiran parameter
08 penaksiran parameter
 
statistik-inferensi-dengan-spss
statistik-inferensi-dengan-spssstatistik-inferensi-dengan-spss
statistik-inferensi-dengan-spss
 
Selang kepercayaan
Selang kepercayaanSelang kepercayaan
Selang kepercayaan
 
Konsep Awal Statistika
Konsep Awal StatistikaKonsep Awal Statistika
Konsep Awal Statistika
 
P2_Pengantar Statistika Inferensial
P2_Pengantar Statistika InferensialP2_Pengantar Statistika Inferensial
P2_Pengantar Statistika Inferensial
 
Taburan Lengkung Normal
Taburan Lengkung NormalTaburan Lengkung Normal
Taburan Lengkung Normal
 
Statistika Inferensial Parametrik Non Parametrik
Statistika Inferensial Parametrik Non ParametrikStatistika Inferensial Parametrik Non Parametrik
Statistika Inferensial Parametrik Non Parametrik
 
4 mean dispersi_10102015
4 mean dispersi_101020154 mean dispersi_10102015
4 mean dispersi_10102015
 
Statistik (Bab 6)
Statistik (Bab 6) Statistik (Bab 6)
Statistik (Bab 6)
 
Statistik (Bab 7)
Statistik (Bab 7) Statistik (Bab 7)
Statistik (Bab 7)
 

Similar to Pengantar statistika inferensia

BAB IX_UJI HIPOTESIS UNIVARIAT REVISI 2020 (2) (1) (1).docx
BAB IX_UJI HIPOTESIS UNIVARIAT REVISI 2020 (2) (1) (1).docxBAB IX_UJI HIPOTESIS UNIVARIAT REVISI 2020 (2) (1) (1).docx
BAB IX_UJI HIPOTESIS UNIVARIAT REVISI 2020 (2) (1) (1).docx
Tegar Adi
 
Statistik parametrik, ukuran kemencengan dan keruncingan
Statistik parametrik, ukuran kemencengan dan keruncinganStatistik parametrik, ukuran kemencengan dan keruncingan
Statistik parametrik, ukuran kemencengan dan keruncingan
Ade Surya Rais
 
Statistika pertemuan 2 dan 3 fe unsam 2011
Statistika pertemuan 2 dan 3 fe unsam 2011Statistika pertemuan 2 dan 3 fe unsam 2011
Statistika pertemuan 2 dan 3 fe unsam 2011
Ir. Zakaria, M.M
 

Similar to Pengantar statistika inferensia (20)

MATERI STATISTIKA INFERENSIAL DASAR .ppt
MATERI STATISTIKA INFERENSIAL DASAR .pptMATERI STATISTIKA INFERENSIAL DASAR .ppt
MATERI STATISTIKA INFERENSIAL DASAR .ppt
 
STATISTIKA INFERENSIAL
STATISTIKA INFERENSIALSTATISTIKA INFERENSIAL
STATISTIKA INFERENSIAL
 
BAB IX_UJI HIPOTESIS UNIVARIAT REVISI 2020 (2) (1) (1).docx
BAB IX_UJI HIPOTESIS UNIVARIAT REVISI 2020 (2) (1) (1).docxBAB IX_UJI HIPOTESIS UNIVARIAT REVISI 2020 (2) (1) (1).docx
BAB IX_UJI HIPOTESIS UNIVARIAT REVISI 2020 (2) (1) (1).docx
 
Teknik analisis__data
Teknik  analisis__dataTeknik  analisis__data
Teknik analisis__data
 
Pengantar Statistik Infrensial.pptx
Pengantar Statistik Infrensial.pptxPengantar Statistik Infrensial.pptx
Pengantar Statistik Infrensial.pptx
 
PERTEMUAN 1-3.pot.pptx
PERTEMUAN 1-3.pot.pptxPERTEMUAN 1-3.pot.pptx
PERTEMUAN 1-3.pot.pptx
 
Statistik parametrik, ukuran kemencengan dan keruncingan
Statistik parametrik, ukuran kemencengan dan keruncinganStatistik parametrik, ukuran kemencengan dan keruncingan
Statistik parametrik, ukuran kemencengan dan keruncingan
 
Statistika parametrik
Statistika parametrikStatistika parametrik
Statistika parametrik
 
Kel9b Blok8skenario3
Kel9b Blok8skenario3Kel9b Blok8skenario3
Kel9b Blok8skenario3
 
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata NonparametrikModul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
 
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
 
Analisis data
Analisis dataAnalisis data
Analisis data
 
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata ParametrikModul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
 
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi ParametrikModul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
 
Statistika pertemuan 2 dan 3 fe unsam 2011
Statistika pertemuan 2 dan 3 fe unsam 2011Statistika pertemuan 2 dan 3 fe unsam 2011
Statistika pertemuan 2 dan 3 fe unsam 2011
 
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi ParametrikModul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
 
Bahan ajar stat non par
Bahan ajar stat non par Bahan ajar stat non par
Bahan ajar stat non par
 
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
 
Statistika dan probabilitas tugas IV
Statistika dan probabilitas tugas IVStatistika dan probabilitas tugas IV
Statistika dan probabilitas tugas IV
 
Statistik parametrik
Statistik parametrikStatistik parametrik
Statistik parametrik
 

Pengantar statistika inferensia

  • 1. PENGANTAR STATISTIKA INFERENSIA  Penaksir  Estimasi Interval  Uji Hipotesis  Teknik Statistik
  • 2. STATISTIKA INFERENSIA STATISTIKA INFERENSIAL (INDUKTIF) : BIDANG ILMU STATISTIKA YANG MEMPELAJARI TATA CARA PENARIKAN KESIMPULAN MENGENAI KESELURUHAN POPULASI BERDASARKAN DATA YANG ADA DALAM SUATU BAGIAN DARI POPULASI TERSEBUT. PROSEDUR ATAU METODE STATISTIKA, DALAM KAITANNYA DENGAN PENGOLAHAN DATA, MAKA DAPAT DIBAGI MENJADI : 1. BERDASARKAN PARAMETERNYA BERDASARKAN PARAMETER YANG ADA DAN UNTUK KEPERLUAN INFERENSIA, STATISTIKA DAPAT DIBAGI MENJADI : ZZ A. STATISTIKA PARAMETRIK, MERUPAKAN STATISTIKA INFERENSIAL YANG MEMBAHAS PARAMETER-PARAMETER POPULASI, DATA YANG DIGUNAKAN APABILA MEMILIKI SKALA INTERVAL ATAU RASIO SEDANGKAN DISTRIBUSI DATANYA NORMAL ATAU MENDEKATI NORMAL
  • 3. B. Statistika nonparametrik, merupakan statistik inferensia yang tidak membahas parameter- parameter populasi. Digunakan jika data yang dianalisis berskala nominal dan ordinal atau distribusi data populasinya tidak normal 2. Berdasarkan jumlah variabelnya Berdasarkan jumlah variabelnya, analisis statistika dapat digolongkan : analisis univariat (digunakan untuk mendeskripsikan distribusi satu variabel dan uji perbedaan antara data yang diteliti dengan ekspektasi atau hipotesis peneliti), analisis bivariat menguji perbedaan dan mengukur hubungan dua variabel yang diteliti), analisis multivariat (menguji dependensi dan interdepedensi antar variabel yang diteliti)
  • 4. PEDOMAN PENGGUNAAN STATISTIKA DESKRIPTIF DAN INDUKTIF. TUJUAN PENELITIAN EKSPLORASI UJI HIPOTESIS DESKRIPTIF STATISTIK NOMINAL INTERVAL DESKRIPTIF ORDINAL RASIO STATISTIK NONPARAMETRIK DISTRIBUSI DISTRIBUSI TIDAK NORMAL NORMAL STATISTIK PARAMETRIK
  • 5. PENAKSIRAN  Penaksir titik : Nilai tunggal dari suatu parameter melalui pendekatan metode tertentu  Penaksir Selang : Nilai sesungguhnya dari suatu parameter yang berada di selang tertentu. contoh  Seorang mahasiswa calon sarjana Matematika memiliki target IPK setelah lulus 3,5 Taksiran Titik IP = 3.5  Seorang mahasiswa memiliki target IPK setelah lulus minimum 3 Taksiran Selang IP = [3, 4]
  • 6. PENAKSIR  Penaksir titik : Statistika yang digunakan untuk mendapatkan taksiran titik disebut penaksir/fungsi keputusan  Penaksir selang : Taksiran selang suatu parameter populasi : selang kepercayaan : perhitungan selang diatas berdasarkan sampel acak
  • 7. PENAKSIRAN BERDASARKAN BANYAK POPULASI  Dengan menaksir µ 1 populasi : gunakan tabel z jika varians populasi diketahui gunakan tabel t jika varians populasi tidak diketahui 2 populasi berpasangan : ciri2 nya : setiap percobaan mempunyai sepasang pengamatan dengan data berasal dari satu populasi yang sama lakukan perhitungan dengan menggunakan rata2 selisih dari 2 kelompok data. gunakan perhitungan tabel seperti pd 1 populasi 2 populasi : gunakan tabel z jika kedua varians diketahui gunakan tabel t jika tidak diketahui keadaan nilai kedua varians.
  • 8. PENAKSIRAN BERDASARKAN BANYAK POPULASI (SAMBUNGAN)  Dengan menaksir varians populasi 1 populasi dan 2 populasi berpasangan : gunakan tabel chi kuadrat 2 populasi : gunakan tabel F
  • 9. UJI HIPOTESIS  Statistika test : 1. Research hypothesis / alternative hypothesis / Ha => hipotesa penelitian 2. Null Hypothesis / Ho 3. Test Statistics / TS => uji statistik 4. Rejection Region / RR 5. Check assumptions & draw conclusions
  • 10. Inferensi Statistik  Hipotesis nol (H0). Hipotesis yang akan diuji oleh suatu prosedur statistik, biasanya berupa suatu pernyataan tidak adanya perbedaan atau tidak adanya hubungan. Pernyataan nol dapat diartikan bahwa pernyataan tentang parameter tidak didukung secara kuat oleh data.  Hipotesis alternatif (H1). Hipotesis yang merupakan lawan dari H0, biasanya berupa pernyataan tentang adanya perbedaan atau adanya hubungan. H1 digunakan untuk menunjukkan bahwa pernyataan mendapat dukungan kuat dari data.  Logika Uji Hipotesis. Tidak dapat dibuktikan bahwa suatu hipotesis itu benar, tapi dapat dibuktikan bahwa suatu hipotesis itu salah
  • 11. HYPOTHESES :  Case 1. Ho : µ ≤ µo VS Ha : µ > µo (right-tailed test)  Case 2. Ho : µ ≥ µo VS Ha : µ < µo (left-tailed test)  Case 3. Ho : µ = µo VS Ha : µ ≠ µo (two-tailed test)  T.S. : use Z or T R.R. :  Case 1. Reject Ho if Z ≥ Z  Case 2. Reject Ho if Z ≤ - Zo  Case 3. Reject Ho If |Z| ≥ Z/2  Check assumpsion and draw  Put your final conclusion.