Langkah 1: Masukkan data sampel ke dalam dua vektor terpisah
# Ketahanan abrasi
metode_inovatif <- c(2650, 2750, 2500, 2800, 2670, 2730, 2530, 2770, 2700)
metode_klasik <- c(2600, 2700, 2450, 2730, 2530, 2670, 2550)
Langkah 2: Tentukan parameter uji
alpha <- 0.01
mu_hipotesis_selisih <- 0
# Selisih yang diuji adalah 8
Langkah 3: Lakukan Uji-t dua sampel dengan asumsi ragam sama
# - 'alternative = "greater"' karena H1 adalah μS - μo > 8
# - 'mu = 8' adalah selisih yang dihipotesiskan
# - 'var.equal = TRUE' karena asumsi ragam homogen
hasil_uji <- t.test(metode_inovatif, metode_klasik, alternative = "greater", mu = mu_hipotesis_selisih, var.equal = TRUE)
# ---- Perhitungan Nilai Kritis dan Interpretasi ----
Langkah 4: Hitung nilai t-kritis untuk uji sisi kanan
# Derajat kebebasan (df) = n1 + n2 - 2. Kita ambil dari hasil uji
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: tampilkan hasil
cat("--- Hasil Uji & Interpretasi Lengkap ---\n\n")
## --- Hasil Uji & Interpretasi Lengkap ---
cat("Metode inovatif:", paste(metode_inovatif, collapse = ", "), "\n")
## Metode inovatif: 2650, 2750, 2500, 2800, 2670, 2730, 2530, 2770, 2700
cat(sprintf("Rata-rata : %.2f\n", mean(metode_inovatif)))
## Rata-rata : 2677.78
cat("Metode klasik: ", paste(metode_klasik, collapse = ", "), "\n")
## Metode klasik: 2600, 2700, 2450, 2730, 2530, 2670, 2550
cat(sprintf("Rata-rata : %.2f\n", mean(metode_klasik)))
## Rata-rata : 2604.29
cat("--------------------------------------------\n")
## --------------------------------------------
cat("Hipotesis Nol (H0): μ Inovatif ≤ μ Klasik\n")
## Hipotesis Nol (H0): μ Inovatif ≤ μ Klasik
cat("Hipotesis Alternatif (H1): μ Inovatif > μKlasik\n")
## Hipotesis Alternatif (H1): μ Inovatif > μKlasik
cat("--------------------------------------------\n")
## --------------------------------------------
cat(sprintf("Tingkat Signifikansi (α): %.2f\n", alpha))
## Tingkat Signifikansi (α): 0.01
cat(sprintf("T-Hitung (t-statistic): %.4f\n", t_hitung))
## T-Hitung (t-statistic): 1.4197
cat(sprintf("T-Kritis (t-critical): %.4f\n", t_kritis))
## T-Kritis (t-critical): 2.6245
cat(sprintf("P-value: %.4f\n", p_value))
## P-value: 0.0888
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 (0.0888) > alpha (0.01), 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), makaHipotesis 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 (1.4197) <= T-Kritis (2.6245), maka Hipotesis Nol GAGAL DITOLAK.
— Kesimpulan Akhir —
cat("\nKESIMPULAN :\n")
##
## KESIMPULAN :
if (p_value <= alpha) {
cat("Dengan taraf nyata 1%, terdapat cukup bukti statistik untuk menyatakan bahwa metode inovatif menghasilkan ketahanan abrasi yang lebih tinggi dibanding metode klasik. \n")
} else {
cat("Dengan taraf nyata 1%, TIDAK terdapat cukup bukti statistik untuk menyatakan bahwa metode inovatif menghasilkan ketahanan abrasi yang lebih tinggi dibanding metode klasik.\n")
}
## Dengan taraf nyata 1%, TIDAK terdapat cukup bukti statistik untuk menyatakan bahwa metode inovatif menghasilkan ketahanan abrasi yang lebih tinggi dibanding metode klasik.