Welcome to Wajibstat Analysis Jibvela17...

NEW WAJIBSTAT ANALYSIS IS COMING***

Kamis, 14 Maret 2013

UJI BEDA RATA-RATA DUA POPULASI INDEPENDEN


UJI BEDA RATA-RATA DUA POPULASI INDEPENDEN

Siang sobat semua,, hehehe... piye kabare?? Moga baik-baik aja ya semuanya... Amiiiinn..
Nah, kali ini entah kenapa saya semangat banget buat ngelanjutin blog lagi nih hahaha..

Memenuhi janji saya yang kemaren  tentang ngeposting cara pengujian dan analisis uji beda rata-rata dua populasi independen.. 

Naaah, seperti pada postingan sebelumnya, saya udah pernah singgung kalau dalam uji beda rata-rata untuk dua populasi independen harus memenuhi syarat kenormalan (asumsi seperti biasalah), dan uji kesamaan varians (variance homoegenity test Levene).

Nah gak pake lama, buat sobat semua bisa coba, nih saya kasi lampiran datanya disini.

Kita ingin tahu apakah ada perbedaan rata-rata nilai ujian Statistik antara mahasiswa yang mengikuti tutor dengan mahasiswa yang tidak mengikuti tutor. Jelas, disini kedua populasi adalah saling independen, artinya populasi yang satu tidak memengaruhi atau tergantung kepada populasi yang lain. Dari data untuk nilai mahasiswa yang berkode 1 adalah yang ikut tutor sedangkan yang berkode 2 adalah yang tidak ikut tutor.

Okelah, kita asumsikan data kita normal. Disini saya gak bahas tentang kenormalan lagi karena sudah ada dalam postingan sebelumnya. Berarti satu hal yang penting, kita harus memenuhi uji asumsi kesamaan varians dengan Levene Test. Kalau Levene Test tidak terpenuhi, mak tidak bisa kita paksakan pengujiannya secara parametrik. Alternatifnya adalah dengan uji U Mann Whitney (secara non parametrik)

Nah, sekarang kita jalankan pada SPSS 16. Pertama inputkan semua datanya, lalu pada variable view untuk Nilai Mahasiswa labelkan dengan Nilai Ujian Statistik Mahasiswa sedangkan untuk Apakah_Ikut_Tutor, silahkan sobat atur pada bagian value; kode 1 adalah yang ikut tutor sedangkan kode 2 adalah yang tidak ikut tutor.

Ingat: Tujuan kita melabelkan seperti ini adalah agar output yang nanti ditampilkan semakin gampang dipahami.

Untuk lebih jelas, berikut ilustrasinya:



 Pada value isikan 1 lalu pada label ketikkan ikut tutor selanjutnya klik Add. Lanjut lagi, pada value sekarang isikan 2 lalu pada label ketikkan tidak ikut tutor klik Add dan OK.
Teruuuss, sekarang klik Analyze, Compare Means dan pilih Independent Samples T Test. Pada kotak dialog isikan test variables dengan Nilai Ujian Statistik Mahasiswa sedangkan untuk grouping variable isikan dengan variabel Apakah Ikut Tutor. Lalu klik Define Groups, pada bagian Group 1 isikan dengan 1 sedangkan pada Group 2 isikan dengan 2. Terakhir klik Continue lalu OK.
Berikut ilustrasinya:


Untuk tingkat kepercayaan bisa diatur pada pilihan Options. Kali ini saya pakai tingkat kepercayaan 95%. Berikut outputnya:



Kita lihat secara deskriptif terlihat bahwa nilai rata-rata mahasiswa yang ikut tutor adalah 78,43 sedangkan yang tidak ikut tutor adalah 75,65.
  


Nah, untuk Levene Test, hipotesis nolnya adalah varians sama sedangkan hipotesis alternatifnya adalah varians tidak sama. Terlihat bahwa nilai signifikansi F Levene Test adalah 0,484 yang lebih besar daripada alpha (0,05) sehingga kita menerima hipotesis nol yakni varians sama. (Dari output sebenarnya juga sudah langsung terlihat) hehehe...

Pada bagian T Test for Equality of Means, hipotesis nolnya adalah nilai rata-rata ujian Statistik mahasiswa yang ikut tutor dan yang tidak ikut tutor adalah sama/tidak berbeda sedangkan hipotesis alternatifnya adalah ada perbedaan nilai rata-rata mahasiswa yang ikut tutor dengan yang tidak ikut tutor. 

Dari output yang dihasilkan, terlihat bahwa nilai sig. untuk uji dua arah adalah 0,140 yang lebih besar daripada alpha 0,05 sehingga kita menerima hipotesis nol yakni tidak ada perbedaan rata-rata nilai ujan Statistik antara mahasiswa yang ikut tutor dengan mahasiswa yang tidak ikut tutor. Adapun perbedaan rata-ratanya adalah 2,775.

Oke deh sobat, itu dulu yang mau saya bagikan  di siang yang mendung ini hehehe..
Dingiiiinnnn brrrrrr.... Salam :-)

0 komentar:

Posting Komentar