P. 1
Pengujian Hipotesis

Pengujian Hipotesis

|Views: 156|Likes:
Published by Rodzainie Matimpan

More info:

Published by: Rodzainie Matimpan on Apr 18, 2012
Copyright:Attribution Non-commercial

Availability:

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

09/02/2013

pdf

text

original

Persampelan dan Analisis Data

Oleh Mohammad Khatim Hasan

Statistik
• Takrifan: Peralatan 6M bagi pemanipulasian datamengumpul, mengelas, meringkas, menyusun, menganalisis dan mentakrif data kuantitatif supaya kebolehpercayaan keputusan analisis dapat dinilai secara objektif. • Ada dua: statistik berperihalan & aruhan

Pengkelasan Jenis data
• • • • Perwakilan: kuantitatif & kualitatif Bentuk: diskret & selanjar Tahap ukuran: nominal: boleh dikategori: ada nama @label tertentu: X boleh disusun. • Oridinal: boleh disusun ikut tertib tapi perbezaan tak dapat ditafsirkan dgn jelas • Selang: boleh disusun, perbezaan dapat ditafsirkan & termasuk bacaan negatif • Nisbah: boleh disusun, perbezaan dapat ditafsirkan & bermula dgn sifar

Sumber data dan kaedah pungutan data
• Ada 2: sumber primer & sekunder • Sumber primer: ujikaji berekabentuk, bancian dan soal selidik, pemerhatian. • Sumber sekunder: sumber terbitan

objek ataupun peristiwa yang ingin dikaji.Populasi dan sampel • Populasi:set unit yang biasanya terdiri dari manusia. . • Sampel: subset unit-unit dalam populasi.

. bersistem. bola salji dan sukarela. berkuota. berstrata dan berkelompok.Kaedah Persampelan • Dengan kebarangkalian: Persampelan rawak ringkas. • Tanpa kebarangkalian: persampelan selesa.

Pengujian Hipotesis Oleh Mohammad Khatim Hasan .

Pengenalan 1. Hipotesis berstatistik sebenarnya cuba untuk menganggar suatu parameter populasi dengan bantuan maklumat dari sampel. . 3. 2. Penyataan mengenai ciri suatu populasi menerusi tatacara pentakbiran berstatistik dinamakan hipotesis berstatistik. Statistik yang membolehkan penyelidik membuat keputusan bagi sesuatu masalah yang dikaji ialah statistik aruhan / pentakbiran.

Sambungan… • Hipotesis statistik adalah satu kenyataan yang dibuat tentang suatu populasi Kenyataan ini mungkin benar atau tidak Kebenaran kenyataan tersebut dibuat menggunakan ujian hipotesis .

Keputusan dapat dibuat dengan fakta saintifik.Kepentingan& Keperluan Penting untuk menguji adakah perbezaan yang wujud diantara data dalam sampel dan populasi adalah benar-benar berbeza atau berbeza secara kebetulan sahaja. .

1990).Takrif • Takrif • Hipotesis statistik adalah suatu pernyataan atau anggapan yang mungkin benar atau tidak terhadap suatu populasi atau lebih (Walpole. .

kita seboleh-bolehnya hendak menolaknya kecuali terdapat bukti yang cukup kuat dari sampel yang menafikan penolakannya. Ini bermaksud. Begitu juga sebaliknya. Penolakan Ho tidak bermakna pernyataan dalam hipotesis tersebut palsu tetapi ia bermaksud bukti yang diperolehi dari sampel tidak mencukupi untuk menerimanya.Catatan: • Ho cenderung untuk di tolak. .

ia benar dan ralat jeis II berlaku apabila kita tidak menolak H0 sedangkan dalam keadaan sebenar. ia palsu. Ralat jenis I berlaku jika kita menolak H0 apabila dalam keadaan sebenar.Ralat Jenis 1 dan 2 2 jenis ralat yang wujud dalam ujian hipotesis. Kb (Ralat Jenis I ) =  dan Kb (Ralat Jenis II) =  .

Secara matematik •  = kb (Ralat jenis I ) • = kb ( tolak H0| H0 benar ) • dan •  = kb (Ralat jenis II) • = KB (Tidak tolak H0| H0 palsu) .

Sambungan  dipanggil aras keertian dalam ujian hipotesis. maka kita yakin sebanyak 95% bahawa keputusan ujian adalah benar. Jika  = 0. 0. )100% dipanggil aras keyakinan. . dan ( 1.05 . 0.05 .10 ditentukan oleh penyelidik.01 . Nilai  samada 0. • Kita mahukan nilai  dan  sekecil yang mungkin.

Langkah-langkah pengujian • • • • • • • • Penyataan hipotesis Taburan Aras keertian Statistik Ujian Kawasan Penolakan Pengiraan statistik ujian Keputusan Kesimpulan .

Hipotesis Nol – oSimbol Ho. – oJadi ada 3 kemungkinan: sama ada = atau  atau . – oMesti yang membawa maksud kesamaan. .Hipotesis nol dan alternatif Perlu ditentukan sebelum ujian hipotesis dapat dijalankan.

000.000.00 sebulan.Sambungan •o Contoh: Ho:  = RM 2.00 sebulan. atau Ho: Purata pendapatan penduduk Bandar baru Bangi adalah RM2. .

• o Diterima jika Ho ditolak.sambungan Hipotesis Alternatif • oSimbol Ha.atau H1 • o Mesti membawa maksud ketaksamaan. • o Jadi ada 3 kemungkinan: sama ada  atau < atau >. .

000. .00 sebulan.00 sebulan atau Ha: Purata pendapatan penduduk Bandar Baru Bangi bukan RM2.Sambungan Contoh: Ha:  RM2. Perhatikan!!! o Pernyataan dalam Ho dan Ha tidak boleh bertindan.000.

Ho =   Ha  atau < atau > < > .Jadual pemilihan Ho dan Ha.

taburan sampel nya juga normal.  Bagi data yang diambil dari taburan normal. Bagi data yang diambil dari taburan bukan normal.Taburan  Taburan data sampel perlu di kenalpasti terlebih dahulu untuk membolehkan kita menggunakan statistik ujian yang betul.  Ujian kenormalan juga boleh digunakan untuk menguji adakah data tertabur secara normal. . teorem had memusat diperlukan.

X akan menghampiri normal iaitu X  N(. X2..…. Katakan X1.Xn satu sampel rawak saiz n (n1 dan n2) yang diambil daripada populasi tersebut.2/n) . Untuk n besar iaitu n  30 (n1 30 dan n2 30).. taburan pensampelan bagi min sampel .Teorem Had Memusat • Bagi Min 1 sampel (2 sampel) Pertimbangkan satu populasi dengan min  dan varians 2 .

n2p2. saiz sampel akan dianggap besar jika np dan nq (n1p1.Teorem Had Memusat Bagi Perkadaran 1 sampel (2 sampel) taburan persampelan bagi akan menghampiri normal bagi saiz sampel yang cukup besar. n1q1 dan n2q2) kesemuanya perlu lebih besar dari 5. Untuk kes perkadaran. .

• oAtau gunakan perisian untuk menguji kenormalan data. mod dan median dengan bentuk taburan. • oGunakan hubungan min.Beberapa kaedah lain • oBina histogram • oBina plot batang-daun • oKira pekali kepencongan dan kepuncakannya. .

Aras Keertian Aras keertian bagi suatu ujian adalah kebarangkalian melakukan ralat jenis I . Jika kita menggunakan =0.01. bermaksud jika Ho benar.01. . kebarangkalian kita menolak hipotesis ini adalah bersamaan dengan 0.

Jika tertabur secara normal. . boleh guna ujian berparameter.Statistik Ujian Jika sekiranya data tidak tertabur secara normal. kita perlu menggunakan ujian tak berparameter.

Beberapa jenis ujian berparameter •o •o •o •o •o Ujian Z Ujian t Anova Ujian F Pekali Korelasi Pearson .

Beberapa jenis ujian tak berparameter oUjian tanda Ujian Pangkat bertanda Wilcoxon oUjian U-MannWhitney Ujian Jumlah Pangkat Wilcoxon oUjian Kruskal-Wallis Kkorelasi Pearson o Ujian Larian oUjian Friedman OUjian KolmogorovSmirnov oUjian McNemar oKorelasi Pangkat Spearman .

Tetapi • Ujian yang boleh digunakan dalam teknik berparameter dan tak berparameter ialah ujian Khi-kuasa dua. .

Kawasan penolakan adalah kawasan yang membolehkan Ho di tolak??? .Kawasan Penolakan  o o o   Ada 3 jenis hujung ujian: 2 hujung 1 hujung sebelah kiri 1 hujung sebelah kanan Bergantung kepada Ha.

Nilai Kritikal • Nilai pemisah diantara kawasan penolakan dan kawasan penerimaan. Keputusan Kesimpulan .

8 1 0.9 0.5 0.Contoh Masaalah Seorang penyelidik ingin menguji kelajuan enjin gelintar yang dibina untuk mencapai maklumat yang dikehendaki. . Satu pengujian telah dijalankan ke atas 10 perkataan dan hasilnya adalah seperti di bawah (dalam saat) 2 1 3 1 2 0.7 Pembangun enjin tersebut mendakwa yang enjin tersebut boleh mencapai maklumat sebanyakbanyaknya 1 saat.

• Hipotesis • H0: min kelajuan data sebanyak-banyaknya 1 saat • Ha: min kelajuan lebih dari 1 saat • • • • • Taburan Jenis data selang Bilangan data 10 Bilangan sampel1 taburan t .

• • • • • • • • Statistik Ujian dengan d.=10-1=9 Dari jadual taburan t didapati nilai kritikalnya ialah 1.833 .k=n-1 aras keertian katakan kita ingin menguji pada aras keertian 5% Kawasan penolakan dari Ha di dapati ujian adalah ujian satu hujung. d.k.833 • Jadi Ho akan ditolak sekiranya nilai kiraan > 1.

• Kesimpulan • Kita yakin sebanyak 95% bahawa tidak ada cukup bukti untuk menolak dakwaan yang menyatakan enjin gelintaran yang baru dibina ini mempunyai kelajuan capaian yang tinggi iaitu selewatlewatnya 1 saat.• Kiraan • Sebelum mengira nilai t. jadi H0 tidak ditolak. . • Hasil dari kiraan didapati min=1.785211 • di dapati nilai t kiraan < nilai kritikal.29 dan sisihan piawai=0. kita perlu kira dahulu min dan sisihan piawai bagi data di atas.

Pokok Pemilihan Ujian .

Analisis Menggunakan Excel • ‘Install’kan analisis data ke dalam Excel • Beberapa langkah perlu diambil – – – – – Pilih Tool Pilih Add-ins Tandakan Analysis ToolPak Klik OK Ikut arahan untuk meng’install’ ‘Data Analysis’ .

Setelah di ‘install’… • Pilihan ‘Data Analysis’ akan wujud dalam menu ‘Tool’. .

Kotak Dialog ‘Data Analysis’ .

Selain dari tadi .

Contoh Penggunaannya • Menguji keberkesanan kaedah pengajaran – H1: Kaedah Pengajaran Berkesan • Hipotesis – Ho: Kaedah Pengajaran Tidak Berkesan • Taburan – Taburan t • Aras keyakinan – 0.05 .

Sambungan… • Statistik Ujian – Ujian t berpasangan • Kawasan Penolakan – Jika nilai-p (satu hujung) lebih kecil daripada aras keyakinan tolak H0 .

Perhatikan • Data 13 14 12 24 32 14 13 11 22 34 .

Pilih ‘Data Analysis’ dari menu ‘Tool’ .

Kotak Dialog Terpapar .

131846 P(T<=t) two-tail 0.776451 .7 Observations 5 5 Pearson Correlation 0.272166 P(T<=t) one-tail 0.798966 t Critical two-tail 2.Hasil t-Test: Paired Two Sample for Means sampel 1 sampel 2 Mean 19 18.987085 Hypothesized Mean Difference0 df 4 t Stat 0.399483 t Critical one-tail 2.8 Variance 76 89.

.05. maka H0 tidak ditolak.Keputusan • Oleh kerana nilai-p satu hujung = 0. Kesimpulan • Kita yakin sebanyak 95% bahawa kaedah pengajaran itu tidak berkesan.399483> 0.

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)//-->