Data

Tim IT kampus Untirta mencatat kecepatan unduh (Mbps) dari 25 titik akses WiFi yang dipilih secara acak.

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)

n <- length(data_wifi)
n
## [1] 25

Nomor 1 — Rata-rata dan Standar Deviasi

rata2   <- mean(data_wifi)
std_dev <- sd(data_wifi)

rata2
## [1] 20.26
std_dev
## [1] 2.217732

Interpretasi: Estimasi titik rata-rata kecepatan unduh dari sampel 25 titik akses adalah 20,26 Mbps, dengan standar deviasi sampel 2,22 Mbps. Nilai rata-rata ini adalah estimasi terbaik (best point estimate) untuk rata-rata kecepatan unduh seluruh populasi titik akses WiFi kampus.


Nomor 2 — Interval Kepercayaan 95%

Cara 1: menggunakan t.test()

hasil_ttest <- t.test(data_wifi, conf.level = 0.95)
hasil_ttest
## 
##  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

Cara 2: perhitungan manual menggunakan qt()

se       <- std_dev / sqrt(n)              # standard error
df       <- n - 1                          # derajat bebas
t_crit95 <- qt(0.975, df = df)             # nilai t kritis (dua sisi, alpha=0.05)
moe95    <- t_crit95 * se                  # margin of error

ci95_lower <- rata2 - moe95
ci95_upper <- rata2 + moe95

t_crit95
## [1] 2.063899
moe95
## [1] 0.9154346
c(lower = ci95_lower, upper = ci95_upper)
##    lower    upper 
## 19.34457 21.17543

Interpretasi: Dengan tingkat kepercayaan 95%, interval kepercayaan untuk rata-rata kecepatan unduh SELURUH titik akses WiFi di kampus adalah [19,34 ; 21,18] Mbps (hasil t.test() dan perhitungan manual identik). Artinya, kita 95% yakin bahwa rata-rata sebenarnya (populasi) berada pada rentang tersebut.


Nomor 3 — Interval Kepercayaan 90% dan 99%

# 90%
t_crit90 <- qt(0.95, df = df)
moe90    <- t_crit90 * se
ci90     <- c(rata2 - moe90, rata2 + moe90)

# 99%
t_crit99 <- qt(0.995, df = df)
moe99    <- t_crit99 * se
ci99     <- c(rata2 - moe99, rata2 + moe99)

# Ringkasan perbandingan
perbandingan <- data.frame(
  Tingkat_Kepercayaan = c("90%", "95%", "99%"),
  t_kritis            = c(t_crit90, t_crit95, t_crit99),
  Margin_of_Error     = c(moe90, moe95, moe99),
  Batas_Bawah         = c(ci90[1], ci95_lower, ci99[1]),
  Batas_Atas          = c(ci90[2], ci95_upper, ci99[2]),
  Lebar_Interval      = c(diff(ci90), moe95*2, diff(ci99))
)
perbandingan
##   Tingkat_Kepercayaan t_kritis Margin_of_Error Batas_Bawah Batas_Atas
## 1                 90% 1.710882       0.7588554    19.50114   21.01886
## 2                 95% 2.063899       0.9154346    19.34457   21.17543
## 3                 99% 2.796940       1.2405722    19.01943   21.50057
##   Lebar_Interval
## 1       1.517711
## 2       1.830869
## 3       2.481144
Tingkat Kepercayaan t kritis Margin of Error Interval Kepercayaan Lebar Interval
90% 1,711 0,759 [19,50 ; 21,02] 1,52
95% 2,064 0,915 [19,34 ; 21,18] 1,83
99% 2,797 1,241 [19,02 ; 21,50] 2,48

Interpretasi: Semakin tinggi tingkat kepercayaan yang diinginkan, semakin lebar interval kepercayaan yang dihasilkan. Hal ini terjadi karena nilai t kritis semakin besar seiring naiknya tingkat kepercayaan (kita meminta “jaminan” yang lebih tinggi bahwa interval memuat rata-rata populasi sebenarnya), sehingga margin of error juga membesar. Trade-off-nya: interval 99% lebih “aman”/meyakinkan tetapi kurang presisi (rentang nilai yang mungkin menjadi lebih lebar), sedangkan interval 90% lebih sempit/presisi tetapi risiko tidak mencakup nilai rata-rata populasi sebenarnya juga lebih tinggi.


Nomor 4 — Arti Margin of Error

Interpretasi: Margin of error (MoE) pada interval 95% sebesar ±0,92 Mbps menunjukkan seberapa jauh estimasi rata-rata sampel (20,26 Mbps) mungkin meleset dari rata-rata kecepatan unduh sebenarnya di SELURUH titik akses WiFi kampus, akibat variasi pengambilan sampel (bukan karena kesalahan pengukuran). Dalam konteks kasus ini, margin of error mengatakan: “kita yakin 95% bahwa rata-rata kecepatan unduh sebenarnya dari seluruh titik akses WiFi kampus berada di kisaran 20,26 ± 0,92 Mbps”, atau berada di antara kurang lebih 19,34 Mbps sampai 21,18 Mbps. Semakin kecil margin of error, semakin presisi estimasi kita terhadap rata-rata populasi.


Nomor 5 — Risiko Galat Tipe I dan Tipe II

Konteks: Manajemen ingin menguji apakah kecepatan WiFi kampus sudah memenuhi standar minimum 20 Mbps, berdasarkan sampel ini. Hipotesis yang relevan:

uji_hipotesis <- t.test(data_wifi, mu = 20, alternative = "less")
uji_hipotesis
## 
##  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 hasil uji: Dengan rata-rata sampel 20,26 Mbps dan p-value hasil uji satu-arah di atas, kita tidak cukup bukti untuk menolak H0 pada taraf signifikansi 5% — artinya, berdasarkan sampel ini, belum ada bukti kuat bahwa kecepatan WiFi kampus berada di bawah standar minimum 20 Mbps.

Penjelasan risiko Galat Tipe I dan Tipe II dalam konteks kasus ini:

Dalam kasus ini, karena dampak terhadap layanan (kepuasan pengguna dan kegiatan akademik) cukup penting, Galat Tipe II sering dianggap lebih “mahal” secara operasional dibanding Galat Tipe I, sehingga manajemen perlu mempertimbangkan ukuran sampel yang lebih besar atau tingkat signifikansi yang sesuai untuk menyeimbangkan kedua risiko tersebut.


Kesimpulan Singkat

Berdasarkan sampel 25 titik akses WiFi, rata-rata kecepatan unduh diestimasi sebesar 20,26 Mbps dengan interval kepercayaan 95% antara 19,34–21,18 Mbps. Estimasi ini konsisten dengan standar minimum 20 Mbps (nilai 20 Mbps berada di dalam interval kepercayaan), sehingga belum dapat disimpulkan secara statistik bahwa kecepatan WiFi kampus berada di bawah standar tersebut.