1. The document discusses four statistical tests: one sample t-test, independent samples t-test, paired samples t-test, and one-way ANOVA.
2. An example of a one sample t-test compares the measured dissolved oxygen (DO) concentrations from 14 laboratories to the known standard concentration of 1.2 mg/L. The results show the measured concentrations are significantly higher than the standard.
3. An independent samples t-test compares the heights of individuals characterized as "tall" or "short". The results find no significant difference in heights between the two groups.
4. A paired samples t-test analyzes pH measurements from multiple points on a river to determine if the pH
1. The document discusses four statistical tests: one sample t-test, independent samples t-test, paired samples t-test, and one-way ANOVA.
2. An example of a one sample t-test compares the measured dissolved oxygen (DO) concentrations from 14 laboratories to the known standard concentration of 1.2 mg/L. The results show the measured concentrations are significantly higher than the standard.
3. An independent samples t-test compares the heights of individuals characterized as "tall" or "short". The results find no significant difference in heights between the two groups.
4. A paired samples t-test analyzes pH measurements from multiple points on a river to determine if the pH
1. The document discusses four statistical tests: one sample t-test, independent samples t-test, paired samples t-test, and one-way ANOVA.
2. An example of a one sample t-test compares the measured dissolved oxygen (DO) concentrations from 14 laboratories to the known standard concentration of 1.2 mg/L. The results show the measured concentrations are significantly higher than the standard.
3. An independent samples t-test compares the heights of individuals characterized as "tall" or "short". The results find no significant difference in heights between the two groups.
4. A paired samples t-test analyzes pH measurements from multiple points on a river to determine if the pH
1. The document discusses four statistical tests: one sample t-test, independent samples t-test, paired samples t-test, and one-way ANOVA.
2. An example of a one sample t-test compares the measured dissolved oxygen (DO) concentrations from 14 laboratories to the known standard concentration of 1.2 mg/L. The results show the measured concentrations are significantly higher than the standard.
3. An independent samples t-test compares the heights of individuals characterized as "tall" or "short". The results find no significant difference in heights between the two groups.
4. A paired samples t-test analyzes pH measurements from multiple points on a river to determine if the pH
Studi Kasus: Studi antar laboratorium DO Pengukuran Contoh ini secara longgar didasarkan pada studi et al Wilcock. (1981). Empat belas laboratorium dikirim standar solusi yang siap untuk mengandung 1,2 mg / L oksigen terlarut (DO). Mereka diminta untuk mengukur konsentrasi DO dengan menggunakan metode titrasi Winkler. Konsentrasi, sebagai mg / L DO, dilaporkan oleh laboratorium yang berpartisipasi: Konsentrasi DO 1,2 1,4 1,4 1,3 1,2 1,35 1,4 2 1,95 1,1 1,75 1,05 1,05 1,4 *pengukuran : 1,2 mg/L
ONEWAY Tinggi BY Berat
/MISSING ANALYSIS.
Oneway [DataSet0]
Tinggi ANOVA
Sum of Squares df Mean Square F Sig.
Between Groups 210.000 9 23.333 . .
Within Groups .000 0 .
Total 210.000 9
NEW FILE. DATASET NAME DataSet1 WINDOW=FRONT. T-TEST /TESTVAL=1.2 /MISSING=ANALYSIS /VARIABLES=DO
Kesimpulan : H0 = μ1 = μ2 H1 = μ1 ≠ μ2 Sig = 0.204 > α = 0.05 Jadi, H0 diterima. pH sungai tembalang pada titik 1 (X1) sama dengan pengukuran pH sungai tembalang pada titik 2 (X2) 4. One Way - Anova Contoh Soal : Misalkan seorang penyelidik ingin memastikan apakah nilai Statistika Dasar (Y) dapat diprediksikan dari nilai Pretes Aljabar (X1) dan nilai Indeks Prestasi mahasiswa (X2), apa tidak. Untuk itu penyelidik tersebut misalkan telah mengumpulkan dat sebagai berikut :
Total 1.485 8 5. Regresi Linier Sederhana Tujuan pokok analisis regresi adalah : 1. Mencari korelasi antara kriterium dengan prediktor. 2. Menguji apakah korelasi itu signifikan. 3. Mencari persamaan garis regresinya.
Contoh Soal Ingin diketahui apakah ada pengaruh antara berat badan ibu dengan berat badan bayi yang dilahirkan di Banjarnegara ada 9 sampel. Datanya sebagai berikut :
a. Dependent Variable: X Perumusan Masalah Apakah terdapat pengaruh antara berat badan ibu dengan berat badan bayi lahir Hipotesis ( Dugaan ) Ho : Tidak ada pengaruh antara berat badan ibu dengan berat badan bayi lahir Ha : Ada pengaruh antara berat badan ibu dengan berat badan bayi lahir
Pengambilan keputusan Dimana Y = berat badan ibu X = Berat badan bayi lahir Langkah 1 : Jika Sig > 0,05 maka Ho diterima Jika Sig < 0,05 maka Ho ditolak
Langkah 2 : Jika –t tabel < t hitung < t tabel maka Ho diterima Jika t hitung < -t tabel dan t hitung > t tabel maka Ho ditolak
Penyelesaian : Langkah 1 dari penelitian di atas bahwa sig. Diketahui < 0,05 berarti Ho ditolak. Langkah 2 untuk tabel kita melihat di tabel ( df = n – 1; dua sisi ) = 2,3060. Jadi berada pada daerah Ho ditolak maka ada pemgaruh antara berat badan ibu dengan berat badan bayin lahir. Dari situ diketahui pengaruhnya sebesar 20,210 jadi persamaan regresinya adalah Y = 21,778 + 20,120 + e. Jadi jika berat badan bayi lahir naik satu satuan maka berat badan ibu akan meningkat menjadi 20,210. Nilai Rsquare adalah 0,908 ( pengkuadratan nilai koefisien korelasi, 0,953 x 0,953). R square dapat disebut koefisien determinasi yang dala, hal ini berarti 90,8 % berat badan ibu dipengaruhi oleh berat badan bayi lahir.
