Tim IT kampus Untirta mencatat kecepatan unduh (Mbps) dari 25 titik akses WiFi yang dipilih secara acak, untuk menduga rata-rata kecepatan unduh SELURUH titik akses (populasi). Data:
data_wifi <- c(18.2, 21.5, 19.8, 23.1, 17.6, 20.4, 22.9, 16.8, 19.1, 24.3, 18.7, 21.0, 20.2, 17.9, 23.6, 19.4, 22.1, 18.0, 20.9, 21.7, 16.5, 19.9, 23.4, 18.3, 21.2)
Masukkan data ke RStudio sebagai vektor, lalu hitung estimasi
titik (rata-rata) dan standar deviasi kecepatan unduh menggunakan
mean() dan sd().
data_wifi <- c(18.2, 21.5, 19.8, 23.1, 17.6, 20.4, 22.9, 16.8, 19.1, 24.3,
18.7, 21.0, 20.2, 17.9, 23.6, 19.4, 22.1, 18.0, 20.9, 21.7,
16.5, 19.9, 23.4, 18.3, 21.2)
mean(data_wifi)
## [1] 20.26
sd(data_wifi)
## [1] 2.217732
Hitung interval kepercayaan 95% untuk rata-rata kecepatan
unduh SELURUH titik akses di kampus menggunakan RStudio
(t.test() atau perhitungan manual dengan
qt()).
t.test(data_wifi, conf.level = 0.95)
##
## One Sample t-test
##
## data: data_wifi
## t = 45.677, df = 24, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
## 19.34457 21.17543
## sample estimates:
## mean of x
## 20.26
Hitung dan bandingkan pula interval kepercayaan 90% dan 99% untuk data yang sama. Jelaskan pengaruh perubahan tingkat kepercayaan terhadap lebar interval.
t.test(data_wifi, conf.level = 0.90)
##
## One Sample t-test
##
## data: data_wifi
## t = 45.677, df = 24, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 90 percent confidence interval:
## 19.50114 21.01886
## sample estimates:
## mean of x
## 20.26
t.test(data_wifi, conf.level = 0.99)
##
## One Sample t-test
##
## data: data_wifi
## t = 45.677, df = 24, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 99 percent confidence interval:
## 19.01943 21.50057
## sample estimates:
## mean of x
## 20.26
Interpretasi:
Terlihat bahwa interval 99% lebih lebar dibanding interval 90%. Semakin tinggi tingkat kepercayaan yang diinginkan, semakin lebar rentang yang dibutuhkan agar peluang mencakup rata-rata populasi yang sebenarnya makin besar. Ada trade-off di sini — interval yang lebih presisi (sempit) hanya bisa didapat dengan menurunkan tingkat kepercayaan.
Jelaskan arti margin of error yang diperoleh dalam konteks kasus ini (kecepatan unduh WiFi kampus).
t.test(data_wifi, conf.level = 0.95)
##
## One Sample t-test
##
## data: data_wifi
## t = 45.677, df = 24, p-value < 2.2e-16
## alternative hypothesis: true mean is not equal to 0
## 95 percent confidence interval:
## 19.34457 21.17543
## sample estimates:
## mean of x
## 20.26
Interpretasi:
Margin of error sebesar ±0,915 Mbps (setengah dari lebar interval kepercayaan 95% di atas) menunjukkan bahwa rata-rata kecepatan sampel bisa meleset sejauh itu dari rata-rata kecepatan WiFi yang sebenarnya di seluruh kampus. Nilai ini tergolong cukup kecil dibanding rata-rata kecepatan yang terukur, sehingga estimasinya bisa dibilang cukup presisi.
Jika manajemen kampus harus memutuskan “apakah kecepatan WiFi sudah memenuhi standar minimum 20 Mbps” berdasarkan sampel ini, jelaskan risiko Galat Tipe I dan Tipe II yang mungkin terjadi.
# H0: mu >= 20 (kecepatan sudah memenuhi standar minimum)
# H1: mu < 20 (kecepatan belum memenuhi standar minimum)
t.test(data_wifi, mu = 20, alternative = "less")
##
## One Sample t-test
##
## data: data_wifi
## t = 0.58618, df = 24, p-value = 0.7184
## alternative hypothesis: true mean is less than 20
## 95 percent confidence interval:
## -Inf 21.01886
## sample estimates:
## mean of x
## 20.26
Interpretasi risiko keputusan:
Galat Tipe I: H0 ditolak padahal benar,kampus menyimpulkan WiFi belum memenuhi standar padahal sebenarnya sudah, sehingga anggaran perbaikan dikeluarkan sia-sia.
Galat Tipe II: gagal menolak H0 padahal salah,kampus menyimpulkan WiFi sudah memenuhi standar padahal belum, sehingga masalah tidak ditangani dan keluhan terus berlanjut.