soal 2

Perhitungan manual

File perhitungan manual kasus 2

Langkah 1: Masukkan data sampel ke dalam dua vektor terpisah

BioSubur <- c(4.0, 5.5, 4.2, 5.3, 4.5, 5.0, 4.6, 5.1) 

NutriPrima  <- c(5.2, 4.5, 5.5, 4.8, 5.0, 5.3, 4.6, 5.4, 4.7, 5.0) 

Langkah 2: Tentukan tingkat signifikansi (alpha)

alpha <- 0.10

Langkah 3: Lakukan Uji-t dua sampel (Welch’s t-test)

hasil_uji <- t.test(BioSubur, NutriPrima , alternative = "greater", var.equal = FALSE)
# ---- Perhitungan Nilai Kritis dan Interpretasi ----

Langkah 4: Hitung nilai t-kritis untuk uji sisi kanan

df <- hasil_uji$parameter
t_kritis <- qt(p = alpha, df = df, lower.tail = FALSE)

Langkah 5: Ekstrak nilai t-hitung dan p-value

t_hitung <- hasil_uji$statistic
p_value <- hasil_uji$p.value

Langkah 6

cat("--- Hasil Uji & Interpretasi Lengkap ---\n\n") 

## --- Hasil Uji & Interpretasi Lengkap ---

cat("Data BioSubur :", paste(BioSubur, collapse = ", "), "\n") 

## Data BioSubur : 4, 5.5, 4.2, 5.3, 4.5, 5, 4.6, 5.1

cat(sprintf("Rata-rata BioSubur : %.2f\n", mean(BioSubur ))) 

## Rata-rata BioSubur : 4.78

cat("Data NutriPrima : ", paste(NutriPrima , collapse = ", "), "\n") 

## Data NutriPrima :  5.2, 4.5, 5.5, 4.8, 5, 5.3, 4.6, 5.4, 4.7, 5

cat(sprintf("Rata-rata NutriPrima : %.2f\n", mean(NutriPrima ))) 

## Rata-rata NutriPrima : 5.00

cat("--------------------------------------------\n") 

## --------------------------------------------

cat("Hipotesis Nol (H0): μ BioSubur ≥ μ NutriPrima\n") 

## Hipotesis Nol (H0): μ BioSubur ≥ μ NutriPrima

cat("Hipotesis Alternatif (H1): μ BioSubur < μ NutriPrima\n") 

## Hipotesis Alternatif (H1): μ BioSubur < μ NutriPrima

cat("--------------------------------------------\n") 

## --------------------------------------------

cat(sprintf("Tingkat Signifikansi (α): %.2f\n", alpha)) 

## Tingkat Signifikansi (α): 0.10

cat(sprintf("T-Hitung (t-statistic): %.4f\n", t_hitung)) 

## T-Hitung (t-statistic): -1.0310

cat(sprintf("T-Kritis (t-critical): %.4f\n", t_kritis)) 

## T-Kritis (t-critical): 1.3597

cat(sprintf("P-value: %.4f\n", p_value))

## P-value: 0.8381

cat("--------------------------------------------\n\n")

## --------------------------------------------

Langkah 7

# --- Keputusan berdasarkan P-Value ---
cat("Keputusan berdasarkan P-Value:\n") 

## Keputusan berdasarkan P-Value:

if (p_value <= alpha) { 
  cat(sprintf("Karena P-value (%.4f) <= alpha (%.2f), maka Hipotesis Nol DITOLAK.\n", p_value, alpha)) 
} else { 
  cat(sprintf("Karena P-value (%.4f) > alpha (%.2f), maka Hipotesis Nol GAGAL DITOLAK.\n", p_value, alpha)) 
}

## Karena P-value (0.8381) > alpha (0.10), maka Hipotesis Nol GAGAL DITOLAK.

Langkah 8

# --- Keputusan berdasarkan T-Statistik ---
cat("\nKeputusan berdasarkan T-Statistik:\n")

## 
## Keputusan berdasarkan T-Statistik:

if (t_hitung > t_kritis) { 
  cat(sprintf("Karena T-Hitung (%.4f) > T-Kritis (%.4f), maka Hipotesis Nol DITOLAK.\n", t_hitung, t_kritis)) 
} else { 
  cat(sprintf("Karena T-Hitung (%.4f) <= T-Kritis (%.4f), maka Hipotesis Nol GAGAL DITOLAK.\n", t_hitung, t_kritis)) }

## Karena T-Hitung (-1.0310) <= T-Kritis (1.3597), maka Hipotesis Nol GAGAL DITOLAK.

Langkah 9

# --- Kesimpulan Akhir ---
cat("\nKESIMPULAN :\n") 

## 
## KESIMPULAN :

if (p_value <= alpha) { 
  cat("Pada taraf signifikansi 10%, terdapat cukup bukti statistik untuk menyatakan bahwa rata-rata hasil panen tomat dengan pupuk BioSubur lebih rendah dibandingkan dengan NutriPrima.\n") 
} else { 
  cat("Pada taraf signifikansi 10%, TIDAK terdapat cukup bukti statistik untuk menyatakan bahwa rata-rata hasil panen tomat dengan pupuk BioSubur lebih rendah dibandingkan dengan NutriPrima.\n") 
}

## Pada taraf signifikansi 10%, TIDAK terdapat cukup bukti statistik untuk menyatakan bahwa rata-rata hasil panen tomat dengan pupuk BioSubur lebih rendah dibandingkan dengan NutriPrima.