You are on page 1of 5

Statistika Kimia

Statistika kimia merupakan analisis statsitik terhadap seperangkat data sesuai dengan tahapan uji-uji
statistik yang hasilnya dianalisis menggunakan kaidah-kaidah kimia.

Kaidah kaidah kimia yang dimaksud adalah kaidah yang mengacu pada pemakaian atau penggunaan
bahan bahan kimia dalam serangkaian percobaan seminimal mungkin, agar kelestarian lingkungan
dapat terjaga.

Tahapan uji uji statistik terhadap seperangkat data adalah sebagai berikut:

1. Uji Pendahuluan
Uji pendahuluan terhadap seperangkat data merupakan uji terhadap kelayakan data agar dapat
dilakukan uji selanjutnya. Uji-uji statistik tersebut meliputi:

a. Uji homogenitas Bartlett
Uji homogenitas Bartlett atau uji Bartlett merupakan uji kehomogenan data yang
menggunakan perhitungan keragaman terhadap nilai tabel Bartlett.
Uji ini biasanya diberlakukan terhadap seperangkat data yang berasal dari percobaan
percobaan yang mempergunakan bantuan bahan bahan kimia.

b. Uji Normalitas Lilliefors
Uji normalitas Lilliefors atau uji Lilliefors merupakan uji kenormalan data yang
menggunakan perhitungan keragaman terhadap nilai tabel Lilliefors, bisa menggunakan
chi kuadrat
Uji ini biasanya diberlakukan terhadap seperangkat data yang berasal dari percobaan
percobaan dalam bidang perikanan dan sejenisnya.

c. Uji Additivitas Tuckey
Uji additivitas Tuckey atau uji Tuckey merupakan uji additiv data yang menggunakan
perhitungan keragaman terhadap nilai tabel Tuckey .
Uji ini biasanya diberlakukan terhadap seperangkat data yang berasal dari percobaan
percobaan dalam bidang kedokteran atau medis dan sejenisnya.

Jika seperangkat data tidak memenuhi salah satu uji diatas, jika akan dilakukan uji lanjutan, maka data
tersebut harus dilakukan transformasi data, agar memenuhi salah satu asumsi dalam uji pendahuluan,
apakah data bersifat homogen, normal atau bersifat additiv. Transformasi data yang bisa dilakukan
seperti log X, √X atau √(X+½), atau acsine√X. Setelah data menjadi homogen, normal atau additiv,
maka data dapat dikembalikan ke data semula.

2. Uji Statistik KERAGAMAN atau Uji F atau ANOVA
Uji F atau ANOVA (analysis of Varians) atau uji keragaman sering dinamakan uji F, karena
dalam pengambilan keputusannya menggunakan tabel Fischer (F)
Tahapan dalam uji F dapat dilihat dari contoh penyajian data sebagai berikut

1370 Total 23 7.530 Mohon diperhatikan: notasi 1.0146/0.825 H1 0.0 8.9 32.02 + 8.175 H2 0.(t-1) = (4x6-1).2 8.FK = (8.9 8..3 49.460 Kuadrat Tengah Perlakuan=JK Perlakuan/DB Perlakuan= 5.8 8.3 9.3 8.0 33.530 adalah grand rata rata(mean) FK (faktor koreksi) = (grand total 2)/(∑ ulangan x∑ perlakuan) = 204.0146 Kuadrat Tengah Galat = JK Galat/DB Galat =2.950 Jumlah 53.0 8.75 9.627 JK (jumlah kuadrat) total = jumlah kuadrat tiap data. repeat) notasi H0. H5 adalah perlakuan (t. 8. H4.82/(4x6) = 1747. H3. H1.8 8.3 8.25 9.0 36..32 + .25 8.3 7.3 8.1370 Fhitung = Kuadrat Tengah Perlakuan/ Kuadrat Tengah Galat = 1.42** 2.325 H3 0. H2.460/18=0.2 8.1 8.1 7.533 JK Perlakuan (hormon) = jumlah tiap perlakuan2 – FK Jumlah ulangan = (31.82 )/4 .8 adalah grand total. treatment) bagian tebal 204.. +35.6 50.3 7.00 9.8 9.0146 7.7 51.460 0..1370 = 7. 2.25 Galat 18 2.7 9. 3.2 8.5 8.77 4.9 35.627= 7.073 = 2.627 = 5.0 8. Jumlah Rerata (ppm) 1 2 3 4 H0 0.92) – 1747.00 8.50 8.7 31.125 H5 1. 4 adalah ulangan (r..2 204.5 7.533 – 5.(6-1) = 23-5 = 18 Hasil analisis Uji F pada pengaruh hormon tumbuh terhadap produksi kedelai disusun sebagai berikut: SK DB JK KT Fhitung Ftabel 5% 1% Perlakuan 5 5.800 H4 1.42 Derajat Bebas (DB) DB Perlakuan = t-1 = 6-1 = 5 DB Galat = (rt – 1).073 1. Data pengaruh penggunaan hormon tumbuh thd produksi kedelai Ulangan Hormon ---------------------------------------------------.32 + .5 9.7 8.5 8..1747.073 JK Galat = JK Total – JK Pelakuan(hormon) = 7.073/5= 1.+ 8.7 35.533 Keterangan: SK=Sumber Keragaman * * = berbeda sangat nyata dibandingkan dengan nilai tabel 1% * = berbeda nyata dibandingkan dengan nilai tabel 5% .9 8.

INTERPRETASI  Jika t hitung observasi ( ). Untuk melanjutkan hasil uji F terhadap uji lanjutan yang sesuai harus dihitung dulu nilai KK (koefisien keragaman) nya KK = (√ KTG)/ grand mean x 100% Uji lanjutan yang dipilih berdasarkan nilai KK dengan ketentuan sebagai berikut: 1.maka Hipotesa Alternatif (H1) dierima. dapatdilakukan uji -t. Jika KK Kecil (<5%) maka digunakan Uji BNJ (Bedan Nyata Jujur) (Honestly Significant DifferentTest) Uji Lanjutan Uji lanjutan digunakan untuk mendapatkan dua unggulan terbaik dari sejumlah perlakuan dari hasil Uji F yang menunjukkan hasil berbeda nyata atau berbeda sangat nyata. maka uji lanjutan tidak perlu dilakukan dan tidak dapat dilakukan. Jika KK besar ( >10 %) maka digunakan uji lanjutan uji Duncan atau DMRT (Duncan Multiple Range Test) 2. Jika KK sedang (5-10%) maka digunakan uji lanjutan uji BNT (Beda Nyata Terkecil) (Least Significant Different Test) 3. Analisis ini digunakan apabila kita ingin membandingkan mean dan keragaman dari dua kelompok data. sama atau lebih besar daripada harga kritik t yang tercantum dalam tabel ( ). Uji t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel bebas secara individual dalam menerangkan variasi variabel terikat. Uji uji lanjutan yang dapat dipilih berdasarkan nilai Koefisien Keragaman ada 3 jenis uji yaitu: 1. Uji BNT 2. dan cocok sebagai analisis dua kelompok rancangan percobaan acak. Teori & Aplikasi. artinya ada perbedaan dari faktor yang . Uji-t menilai apakah mean dan keragaman dari dua kelompok berbeda secara statistik satu sama lain. 2015) Selanjutnya. Rancangan Percobaan. untuk mendapatkan hasil terbaik dari dua unggulan yang merupakan hasil dari salah satu uji lanjutan diatas. Uji BNJ 3. Jika pada uji F tidak menunjukkan hasil berbeda nyata. Uji DMRT (Uraian mengenai tahapan dalam uji lanjutan BNT. Penerbit PT RajaGrafindo Persada Jakarta. BNJ dan DMRT. dapat dilihat di referensi : Kemas Ali Hanafiah. Uji-t Uji-t adalah jenis pengujian statistika untuk mengetahui apakah aa perbedaan dari nilai yang diperkirakan dengan nilai hasil perhitungan statistika.

maka Hipotesa Alternatif (H1) ditolak atau Ho dierima. maka tidak ada korelasi yang signifikan pada faktor yang kita selidiki APLIKASI UJI t  Untuk dua sampel kecil (N kurang dari 20) yang saling berhubungan. artinya tidak ada perbedaan dari faktor yang diselidiki. Adanya perbedaan tersebut mengandung makna bahwa ada korelasi yang signifikan pada faktor yang kita selidiki.  Jika t hitung observasi . diselidiki.Y Sekor Sikap Keagamaan Siswa SMTA Sebelum diterapkan Nama Siswa metode X Sesudah diterapkan metode X D= (X-Y) D²=(X-Y)² 1 78 75 3 9 2 60 68 -8 64 3 55 59 -4 16 4 70 71 -1 1 5 57 63 -6 36 6 49 54 -5 25 7 68 66 2 4 8 70 74 -4 16 9 81 89 -8 64 10 30 33 -3 9 11 55 51 4 16 12 40 50 -10 100 13 63 68 -5 25 14 85 83 2 4 15 70 77 -7 49 16 62 69 -7 49 17 58 73 -15 225 18 65 65 0 0 19 75 76 -1 1 20 69 86 -17 289 20=N -90=∑D 1002= ∑D² Langkah-langkah yang harus ditempuh adalah: Rumus: Mencari Mean dengan rumus: Mencari Standar Deviasi . lebih kecil daripada harga kritik t yang tercantum dalam tabel ). Sebuah penelitian ingin menguji efektifitas metode X dalam membentuk sikap keagamaan siswa SMTA di Kec.

karena memiliki perbedaan yang meyakinkan. untuk db (N-1)= 19. sehingga dapat di banding 2. .09 dan 1 % sebesar 2. Ttabel untuk taraf signifikansi 5 % adalah 2.464 Mencari Standar Error Mean Perbedaan Skor antara X dengan Y: Memasukkan Rumus ”t” Interpretasi: Yaitu dengan membandingkan nilai t hitung dengan t tabel pada taraf signifikansi 5 % dan 1 %.591>2.86. Atau dengan kata lain metode X perlu dipertahankan.86.09<3. = = = = 5. Ini berarti bahwa Hipotesa Kerja yang menyatakan ada perbedaan sikap antara sesudah dan sebelum menggunakan metode X diterima.