Data

# 1. Data
bio_subur   <- c(4.0, 5.5, 4.2, 5.3, 4.5, 5.0, 4.6, 5.1)
nutri_prima <- c(5.2, 4.5, 5.5, 4.8, 5.0, 5.3, 4.6, 5.4, 4.7, 5.0)
alpha       <- 0.10

# Tampilkan data
data.frame(
  Kelompok = c(rep("BioSubur", length(bio_subur)), rep("NutriPrima", length(nutri_prima))),
  Hasil_Panen = c(bio_subur, nutri_prima)
)
##      Kelompok Hasil_Panen
## 1    BioSubur         4.0
## 2    BioSubur         5.5
## 3    BioSubur         4.2
## 4    BioSubur         5.3
## 5    BioSubur         4.5
## 6    BioSubur         5.0
## 7    BioSubur         4.6
## 8    BioSubur         5.1
## 9  NutriPrima         5.2
## 10 NutriPrima         4.5
## 11 NutriPrima         5.5
## 12 NutriPrima         4.8
## 13 NutriPrima         5.0
## 14 NutriPrima         5.3
## 15 NutriPrima         4.6
## 16 NutriPrima         5.4
## 17 NutriPrima         4.7
## 18 NutriPrima         5.0

Melakukan Uji T Dua Sampel Tidak Berpasangan

# 2. Uji t dua sampel tidak berpasangan (one‑sided: BioSubur < NutriPrima)
hasil_uji <- t.test(
  x           = bio_subur,
  y           = nutri_prima,
  alternative = "less",
  var.equal   = FALSE,
  conf.level  = 1 - alpha
)

Ringkasan Hasil

# 3. Ringkas hasil via broom
tidy_res <- tidy(hasil_uji) %>%
  rename(
    t_statistic = statistic,
    df          = parameter,
    p_value     = p.value,
    conf_low    = conf.low,
    conf_high   = conf.high,
    mean_diff   = estimate
  ) %>%
  mutate(
    mean1      = mean(bio_subur),
    mean2      = mean(nutri_prima),
    conf.level = paste0((1-alpha)*100, "%")
  )

Menampilkan Tabel

# 4. Tampilkan tabel ringkas
tidy_res %>%
  select(
    method, mean1, mean2, mean_diff, t_statistic, df,
    p_value, conf_low, conf_high, conf.level
  ) %>%
  kable(
    digits = 4,
    caption = "Hasil Uji T Dua Sampel Tidak Berpasangan (BioSubur < NutriPrima)"
  )
Hasil Uji T Dua Sampel Tidak Berpasangan (BioSubur < NutriPrima)
method mean1 mean2 mean_diff t_statistic df p_value conf_low conf_high conf.level
Welch Two Sample t-test 4.775 5 -0.225 -1.031 11.4956 0.1619 -Inf 0.0717 90%

Interpretasi Hasil

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\n")
## **Hipotesis Alternatif (H1):** μ_BioSubur < μ_NutriPrima
cat(sprintf("- Rata‑rata BioSubur   : %.2f kg/petak\n", tidy_res$mean1))
## - Rata‑rata BioSubur   : 4.78 kg/petak
cat(sprintf("- Rata‑rata NutriPrima : %.2f kg/petak\n", tidy_res$mean2))
## - Rata‑rata NutriPrima : 5.00 kg/petak
cat(sprintf("- Selisih mean (μ1−μ2)  : %.4f kg/petak\n\n", tidy_res$mean_diff))
## - Selisih mean (μ1−μ2)  : -0.2250 kg/petak
cat(sprintf("- Statistik t           : %.4f\n", tidy_res$t_statistic))
## - Statistik t           : -1.0310
cat(sprintf("- Derajat bebas (df)    : %.0f\n", tidy_res$df))       # <- pakai %.0f
## - Derajat bebas (df)    : 11
cat(sprintf("- P‑value               : %.4f\n", tidy_res$p_value))
## - P‑value               : 0.1619
cat(sprintf("- Interval kepercayaan %s: [%.4f, %.4f]\n\n",
            tidy_res$conf.level, tidy_res$conf_low, tidy_res$conf_high))
## - Interval kepercayaan 90%: [-Inf, 0.0717]
if (tidy_res$p_value <= alpha) {
  cat("**Keputusan:** Tolak H₀  \n",
      "Dengan α = 10%, terdapat bukti statistik bahwa rata‑rata panen BioSubur lebih rendah dibandingkan NutriPrima.\n")
} else {
  cat("**Keputusan:** Gagal tolak H₀  \n",
      "Dengan α = 10%, tidak terdapat bukti cukup bahwa rata‑rata panen BioSubur lebih rendah.\n")
}
## **Keputusan:** Gagal tolak H₀  
##  Dengan α = 10%, tidak terdapat bukti cukup bahwa rata‑rata panen BioSubur lebih rendah.