P. 1
homogenitasdanindependensi

homogenitasdanindependensi

|Views: 175|Likes:
Published by agusrangkuti

More info:

Published by: agusrangkuti on Dec 31, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

09/24/2015

pdf

text

original

UJI HOMOGENITAS DAN UJI INDEPENDENSI PERBANDINGAN SPSS 17 DENGAN R-CONSOLE Oleh: Rahayuni Wasisarini Website: http://rahayuni

.com/ E-mail: mail@rahayuni.com

LANDASAN TEORI

A. Uji Homogenitas Uji homogenitas dilakukan untuk menentukan apakah sampel berasal dari varians yang homogen. Pada uji homogenitas sampel berasal dari dua populasi baris. Jadi ditentukan terlebih dahulu besarnya sampel n1 dan n2, sedangkan n sebagai akibat dari jumlahan n1+n2.

Variabel kategorik 2 B Variabel kategorik 1 A A
c

Bc b d

Jumlah n1 = a+b n2 = c+d n = n1 + n2 = m1 + m2

A C

Jumlah m1 = a+c m2 = b+d

Langkah langkah uji homogenitas adalah sebagai berikut: a. Hipotesis H0: p1 = p2 (populasi 1 dan populasi 2 homogen) H1: p1 p2 (populasi 1 dan populasi 2 tidak homogen) b. Statistik penguji

H0 ditolak jika Whit >

1,α

B. Uji Independensi

Page 1 of 15

Hipotesis H0: P(AB) = P(A)P(B) (variabel kategorik A independen terhadap variabel kategorik B H1: P(AB) kategorik B) b. Statistik penguji P(A)P(B) (variabel kategorik A tidak independen terhadap variabel H0 ditolak jika Whit > 1. Jadi ditentukan terlebih dahulu besarnya n sampel sedangkan n1 dan n2 diperoleh observasi sebagai bagian dari sampel. sampel berasal dari satu populasi.Uji independensi bertujuan untuk melihat ada tidaknya hubungan antara dua variabel. Pada uji independensi.α Page 2 of 15 . Variabel kategorik 2 B Variabel kategorik 1 A A c Bc b d Jumlah n1 = a+b n2 = c+d n = n1 + n2 = m1 + m2 A C Jumlah m1 = a+c m2 = b+d Langkah-langkah uji Independensi table 2x2 adalah sebagai berikut: a. Pengujian ini hampir sama dengan korelasi akan tetapi pada uji independensi dengan menggunakan metode Chi Kuadrat. kedua variabel yang dianalisis haruslah berupa variabel yang bersifat kategorikal atau berskala pengukuran nominal atau ordinal.

Uji Independensi Sampel random dengan 250 orang dalam kelompok umur (30-40 tahun) dan 250 orang dalam umur (60-70 tahun) ditanya tentang rata-rata jam tidur tiap malam.pdf Akan dilakukan perbandingan output antara SPSS 17 dengan R 2.8. Diperoleh fakta sebagai berikut: Jam tidur Umur 30-40 60-70 Jumlah 8 172 120 292 >8 78 130 208 Jumlah 250 250 500 Sumber: http://saintek. Lakukan uji hipotesis bahwa dua cara pengobatan itu mempunyai efektivitas yang sama.id/file_kuliah/2.uin-suka. (Gunakan α= 5%) Kondisi membaik Pengobatan T1 T2 Jumlah 15 21 36 Tidak membaik 53 59 112 Jumlah 68 80 148 2. Pengobatan dikatakan berhasil apabila ada tanda-tanda membaik.1 (R-Console) Page 3 of 15 .ac. Uji Homogenitas Dua cara pengobatan terhadap penyakit kanker memberikan hasil-hasil dalam tabel dibawah.Lilliefors&Tabel Kategorik.PERMASALAHAN 1.

dalam hal ini variabel pengobatan dan variabel kondisi maka kedua variabel tersebut perlu dibobot dengan frekuensi data yang ada. Uji homogenitas Menggunakan SPSS 17 Langkah-langkah : 1. > menu Weight Page 4 of 15 . Masukkan data dengan format sebagai berikut: 2.PEMBAHASAN A. dengan cara klik data Cases. Karena dalam analisis tabulasi silang yang dipakai adalah variabel baris dan variabel kolom.

seperti pada gambar di bawah ini: Page 5 of 15 . Pada kotak Weight Cases klik pilihan weight cases by. Kemudian klik OK. Masukkan variabel pengobatan pada kotak Row(s) dan variabel kondisi pada Column(s). kemudian kotak frequency table diisi dengan frekuensi. Kemudian lakukan analisis tabulasi silang dengan cara klik menu Analyze > Descriptive statistics > Crosstabs seperti pada gambar di bawah ini: 5. 4.3.

1% 148 148.0 24.1% 41.0 100. 7.8% 59 60.0% 100.9% 112 112. Kemudian klik Continue.8% 52.0% 54.3% 58.0 100. Klik kotak Cells.2% 36 36.1% 21 19. Klik kotak Statistics lalu pilih kotak Chi Square kemudian klik Continue.6.3% tidak membaik 53 51. Outputnya adalah sebagai berikut: pengobatan * kondisi Crosstabulation Kondisi membaik pengobatan T1 Count Expected Count % within pengobatan % within kondisi % of Total T2 Count Expected Count % within pengobatan % within kondisi % of Total Total Count Expected Count % within pengobatan % within kondisi % of Total 15 16.5 26.3% 100.0% Page 6 of 15 .0% 24.9% 80 80. Expected.0% 45. dan pilih kotak Observed.3% 14.9% 45.0 75.7% 100.0% 75.0% 100.7% Total 68 68.7% 39.5 73.5 22.0 100.3% 35.5 77. Colum.1% 54.7% 10. Total.9% 47. Klik OK. dan percentage Row.

05 Statistik uji Pearson Chi-Square= 0. (2sided) Exact Sig.Dari 68 orang yang melakukan pengobatan kanker T1.555 b df a Asymp. 21 orang dalam kondisi membaik dan 59 orang dalam kondisi tidak membaik. Sig.54.841 maka H0 tidak ditolak. (1sided) .346 a.348 148 1 . Sedangkan 80 orang yang melakukan pengobatan kanker T2. hitung = 0. Chi-Square Tests Value Pearson Chi-Square Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases .689 . (2sided) 1 1 1 . Page 7 of 15 .351 < tabel=3. 15 orang dalam kondisi membaik dan 53 orang dalam kondisi tidak membaik.351 Daerah Kritik H0 ditolak bila Kesimpulan 2 2 2 hitung > 2 tabel. 0 cells (.352 . Computed only for a 2x2 table Uji hipotesis H0: p1 = p2 (populasi T1 dan populasi T2 homogen) H1: p1 p2 (populasi T1 dan populasi T2 tidak homogen) Tingkat signifikansi α = 0.351 . Tidak ada nilai harapan (expected count) yang kurang dari 5 maka digunakan uji Pearson Chi-Square. The minimum expected count is 16.571 .0%) have expected count less than 5.554 .160 .553 Exact Sig. Populasi T1 dan populasi T2 homogen. b.

Menggunakan R 2." > Chi-Square tabel(3.\n") cat("a.841) maka Ho tidak ditolak.1]+data[2.1] m2=data[1.2])(data[1.841 Output: Page 8 of 15 .2] n2=data[2. Uji Hipotesis \n") cat("\t Ho: Populasi 1 dan populasi 2 homogen \n") cat("\t H1: Populasi 1 dan populasi 2 tidak homogen \n") cat("b.841) { cat("\t Nilai W= ".8." < Chi-Square tabel(3. \n") cat("\t Artinya populasi 1 dan populasi 2 tidak homogen. \n") cat("------------------------------------------------------------------------------\n") } else { cat("\t Nilai W= ".1]+data[2.1 (R-Console) homogenitas=function(data) { if (length(data)>4) { stop("data Anda bukan merupakan matriks 2x2 \n") } else { n1=data[1.2] m1=data[1. Tingkat signifikansi\n") cat("\t alpha=0.841 Comment [A8]: Kesimpulan jika nilai W>3.1]+data[1. Daerah Kritik \n") cat("\t Ho ditolak bila W > Chi-Square tabel(3. Kesimpulan\n") if (w<3.2] n=m1+m2 w=(n*(((data[1.2]+data[2.841) maka Ho ditolak.w.w.05 \n") cat("c.1]))^2))/(m1*m2*n1*n2) { cat("--------------------------------UJI HOMOGENITAS------------------------------.1]*data[2. \n") cat("\t Artinya populasi 1 dan populasi 2 homogen. Statistik Uji \n") cat("\t W=".2]*data[2."\n") cat("d.w.841) \n") cat("e. \n") cat("----------------------------------------------------------------------------\n") } } } } Comment [A1]: Fungsi uji homogenitas Comment [A2]: Rumus untuk menghitung statistic uji W Comment [A3]: Uji hipotesis Comment [A4]: Tingkat signifikansi Comment [A5]: Statistik uji Comment [A6]: Daerah kritik Comment [A7]: Kesimpulan jika nilai W< 3.

Uji Independensi Menggunakan SPSS 17 Langkah-langkah: 1. Masukkan data seperti pada gambar berikut: 2. caranya klik Data > Weight Cases Page 9 of 15 .B. Lakukan pembobotan dengan data yang ada.

3. 4. masukkan data frekuensi. Setelah itu. Klik Weight Cases by. lakukan analisis tabulasi silang dengan cara menu Analyze > Descriptive statistics > Crosstabs seperti pada gambar berikut: Page 10 of 15 . Lalu klik OK.

Total. seperti pada gambar di bawah ini: 6. 7.5. Expected. Outputnya adalah sebagai berikut: Page 11 of 15 . dan pilih kotak Observed. dan percentage Row. Colum. Klik kotak Cells. Kemudian klik Continue. Klik kotak Statistics lalu pilih kotak Chi Square kemudian klik Continue. Klik OK. Masukkan variabel umur pada kotak Row(s) dan variabel jam_tidur pada Column(s).

000 Exact Sig. Sedangkan 250 orang berusia 60-70 tahun.0% 50.0% 250 250.0 100.00.0% 50.0% 58.260 21.000 .000 .0% 100.5% 15.umur * jam_tidur Crosstabulation jam_tidur <=8 umur 30-40 Count Expected Count % within umur % within jam_tidur % of Total 60-70 Count Expected Count % within umur % within jam_tidur % of Total Total Count Expected Count % within umur % within jam_tidur % of Total 172 146.0% 500 500. Computed only for a 2x2 table Uji hipotesis H0: variabel kategorik umur independen terhadap variabel kategorik jam_tidur.0 68.8% 58.449 . 0 cells (.2% 37.0 48.0% 62.9% 34.0% 208 208. Sig.0% 50. (2sided) 1 1 1 .0 41.0 100.0% 50.1% 24.4% 120 146.0 31.0 58. 120 orang tidur kurang dari pukul 8 dan 130 orang tidur lebih dari pukul 8.4% >8 78 104.4% 100. Tingkat signifikansi Page 12 of 15 . H1: variabel kategorik umur tidak independen terhadap variabel kategorik jam_tidur.0%) have expected count less than 5.6% Total 250 250. dan 78 orang tidur lebih dari pukul 8.0% 41. b. Chi-Square Tests Value Pearson Chi-Square Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases 22.6% 100.0 100.000 a.0 52. Tidak ada expected count yang kurang dari 5 maka digunakan uji Pearson Chi-Square. 172 orang tidur kurang dari pukul 8. The minimum expected count is 104.5% 26.0% 292 292.412 22.000 b df a Asymp.0% 41.0% Sebanyak 250 orang berusia 30-40 tahun.6% 130 104.000 . (2sided) Exact Sig.0% 100.216 500 1 . (1sided) 22.

2] n2=data[2.1] m2=data[1.w.841 maka H0 ditolak.α = 0.260 Daerah Kritik H0 ditolak bila Kesimpulan 2 2 2 hitung > 2 tabel.2] m1=data[1. Statistik Uji \n") cat("\t W=".1]+data[1."\n") cat("d.841) maka Ho tidak ditolak. Kesimpulan\n") if (w<3.1]+data[2.05 \n") cat("c.1]*data[2.1 independensi=function(data) { if (length(data)>4) { stop("data Anda bukan merupakan matriks 2x2 \n") } else { n1=data[1. \n") cat("\t Variabel kategorik 1 independen terhadap variabel kategorik 2.841 Page 13 of 15 .260 > umur tabel=3. Uji Hipotesis \n") cat("\t Ho: Variabel kategorik 1 independen terhadap variabel kategorik 2 \n") cat("\t H1: Variabel kategorik 1 tidak independen terhadap variabel kategorik 2 \n") cat("b." < Chi-Square tabel(3.05 Statistik uji Pearson Chi-Square= 22.2]*data[2.1]+data[2. Daerah Kritik \n") cat("\t Ho ditolak bila W > Chi-Square tabel(3.2])(data[1. Artinya variabel independen terhadap variabel kategorik kategorik tidak jenis_kelamin. \n") cat("--------------------------------------------------------------------------------\n") } else { Comment [A9]: Fungsi uji independensi Comment [A10]: Rumus menghitung statistic uji W Comment [A11]: Uji hipotesis Comment [A12]: Tingkat signifikansi Comment [A13]: Statistik uji Comment [A14]: Daerah kritik Comment [A15]: Kesimpulan jika nilai W<3.8.w. hitung = 22.841) { cat("\t Nilai W= ". Tingkat signifikansi\n") cat("\t alpha=0.2] n=m1+m2 w=(n*(((data[1. Menggunakan R 2.\n") cat("a.841) \n") cat("e.1]))^2))/(m1*m2*n1*n2) { cat("--------------------------------UJI INDEPENDENSI------------------------------.2]+data[2.

w. \n") cat("-------------------------------------------------------------------------------\n") } } } } Comment [A16]: Kesimpulan jika nilai W>3.841 Output Page 14 of 15 .cat("\t Nilai W= ". \n") cat("\t Variabel kategorik 1 tidak independen terhadap variabel kategorik 2.841) maka Ho ditolak." > Chi-Square tabel(3.

8. 2.1 (R-Console) untuk uji homogenitas dan uji independensi diperoleh hasil perhitungan yang tidak jauh berbeda. 3.KESIMPULAN 1. 2 lebih presisi yakni 5 Page 15 of 15 . Berdasarkan uji independensi diperoleh kesimpulan bahwa variabel kategorik umur tidak independen terhadap variabel kategorik jenis_kelamin. hanya saja pada software R (R-Console) nilai digit di belakang koma. Berdasarkan uji homogenitas diperoleh kesimpulan bahwa populasi T1 dan T2 tidak homogen. Dari penggunaan kedua software yakni SPSS 17 dan R 2.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->