#Menyusun Hipotesis# #Hipotesis Nol (H0): Tidak ada perbedaan signifikan antara tingkat pemahaman audiens setelah menggunakan empat jenis media komunikasi.
#Hipotesis Alternatif (H1): Terdapat perbedaan signifikan antara tingkat pemahaman audiens setelah menggunakan empat jenis media komunikasi.
# Data untuk masing-masing jenis media komunikasidata_tatap_muka <-c(75, 78, 80, 76, 79, 81, 77, 74, 82, 80)data_media_sosial <-c(65, 60, 68, 62, 66, 67, 64, 61, 69, 63)data_email <-c(70, 72, 74, 71, 73, 75, 70, 69, 76, 72)data_webinar <-c (80, 85, 83, 79, 84, 82, 81, 78, 86, 85)#Gabungkan data menjadi satu frame datadata<-data.frame(nilai=c(data_tatap_muka, data_media_sosial, data_email, data_webinar), media =factor(rep(c("Tatap Muka", "Media Sosial", "Email", "Webinar"), each=10)))#melakukan analisis ANOVAanova_result <-aov(nilai~media, data=data)#Menampilkan hasil ANOVAsummary(anova_result)
Df Sum Sq Mean Sq F value Pr(>F)
media 3 1796.6 598.9 82.35 3.48e-16 ***
Residuals 36 261.8 7.3
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##Penjelasan Hasil##
Df (Degree of Freedom)
media: 3 (mengindikasikan ada 4 kelompok atau level yang diuji dalam variabel media).
Residuals: 36 (mengindikasikan jumlah data pengamatan yang digunakan setelah memperhitungkan kelompok-kelompok media)
Sum Sq (Sum of Squares)
media: 1796.6 (jumlah variasi yang dijelaskan oleh variabel media).
Residuals: 261.8 (jumlah variasi yang tidak dijelaskan oleh model, yaitu variasi dalam data yang tidak dapat dijelaskan oleh perbedaan antar kelompok media).
Mean Sq (Mean Squares)
media: 598.9 (Sum Sq untuk media dibagi dengan Df untuk media, memberikan rata-rata kuadrat variasi antar kelompok).
Residuals: 7.3 (Sum Sq untuk residuals dibagi dengan Df untuk residuals, memberikan rata-rata kuadrat variasi dalam kelompok).
F value
Nilai F untuk media adalah 82.35. Ini adalah rasio antara variasi antar kelompok (media) dengan variasi dalam kelompok (residuals). Semakin besar nilai F, semakin besar perbedaan antara kelompok media dibandingkan dengan variasi dalam kelompok.
Pr(>F) (p-value)
Nilai p untuk media adalah 3.48e-16, yang sangat kecil dan lebih kecil dari 0.001. Ini menunjukkan bahwa perbedaan antar kelompok media sangat signifikan secara statistik. Artinya, ada bukti yang sangat kuat untuk menolak hipotesis nol (yang menyatakan bahwa tidak ada perbedaan antara kelompok media).
Maka dapat disimpulkan bahwa variabel media berpengaruh signifikan terhadap variabel yang diuji. Perbedaan antar kelompok media sangat signifikan (p-value < 0.001), yang berarti media mempengaruhi hasil yang diamati dengan sangat jelas.
Latihan Soal 2
#Melakukan Uji Binominal#
#data Preferensi audienspreferensi <-c("Media Sosial", "Media Sosial", "Media Konvensional", "Media Sosial", "Media Sosial", "Media Sosial", "Media Konvensional", "Media Sosial", "Media Sosial", "Media Konvensional", "Media Sosial", "Media Sosial", "Media Sosial", "Media Konvensional", "Media Sosial")#Menghitung Jumlah Audiens yang memilih Media Sosial dan Media Konvensionalmedia_sosial_count <-sum(preferensi=="Media Sosial")media_konvensional_count <-sum(preferensi=="Media Konvensional")#Menampilkan hasilcat("Jumlah audiens yang memilih Media Sosial: ",media_sosial_count, "\n")
Jumlah audiens yang memilih Media Sosial: 11
cat("Jumlah audiens yang memilih Media Konvensional: ",media_konvensional_count, "\n")
Jumlah audiens yang memilih Media Konvensional: 4
#Uji Binominal: H0: proporsi memilih Media Sosial = 0.5binominal_test_result <-binom.test(media_sosial_count, length(preferensi), p =0.5, alternative ="two.sided")#Menampilkan Hasil Uji Binominalbinominal_test_result
Exact binomial test
data: media_sosial_count and length(preferensi)
number of successes = 11, number of trials = 15, p-value = 0.1185
alternative hypothesis: true probability of success is not equal to 0.5
95 percent confidence interval:
0.4489968 0.9221285
sample estimates:
probability of success
0.7333333
#Penjelasan#
Hipotesis Nol yang diuji adalah bahwa proporsi memilih media sosial adalah 0,5 yang bisa disamakan dengan setara antara kedua pilihan.
P-Value dari hasil uji binominal, lebih kecil dari 0.05, maka menolak H0, maka dapat disimpulkan bahwa terdapat perbedaan signifikan dalam preferensi audiens antara media sosial dan media konvensional.
#Lakukan Uji Chi Squarechi_square_result <-chisq.test(data)#Menampilkan uji Chi Squarechi_square_result
Pearson's Chi-squared test
data: data
X-squared = 29.404, df = 6, p-value = 5.102e-05
#Penjelasan#
Nilai Chi Squared menunjukkan seberapa besar perbedaan antara frekuensi yang diharapkan (jika tidak ada hubungan) dan frekuensi yang diamati. Semakin besar nilai ini, semakin kuat indikasi adanya hubungan antara variabel.
P-Value (5.102e-05) : P-value ini sangat kecil (kurang dari 0,05 atau bahkan 0,01), menunjukkan bahwa hubungan yang ditemukan sangat tidak mungkin terjadi secara kebetulan. Dengan kata lain, ini adalah bukti kuat untuk menolak hipotesis nol, yang menyatakan tidak ada hubungan antara generasi dan platform media sosial yang digunakan.
Maka dapat disimpulkan bahwa ada hubungan yang signifikan antara generasi dan pilihan platform media sosial.