Sabtu, 07 Agustus 2021

APLIKASI MICROSOFT MATHEMATICS UNTUK PEMBELAJARAN EKONOMI

 

APLIKASI MICROSOFT MATHEMATICS UNTUK PEMBELAJARAN EKONOMI

Yuhka Sundaya
Departemen Ekonomi Pembangunan Universitas Islam Bandung

Prolog

Pembelajar ekonomi bergerak dari memahami teori-teori ekonomi dalam rangka memahami ilmu ekonomi. Para pembelajar ekonomi telah mengetahui obyek-obyek ekonomi. Misalnya pasar, toko, warung, koperasi, harga, pengangguran, keluarga kaya, keluarga miskin dan lain-lain. Tapi itu adalah ‘pengetahuan’. Mengenai bagaimana pasar bisa mengubah harga? bagaimana pasar bisa memperbanyak keluarga kaya? para pembelajar memerlukan ilmu, karena melibatkan aktivitas berpikir yang boleh dibilang khusus dan mengikuti disiplin budaya akademik. Semakin rumit hubungan antar obyek ekonomi yang dikaji, semakin besar juga kebutuhan terhadap ilmu yang perlu dipahaminya.

Teori, jika kita pahami dari Henderson dan Quandt (1958), maaf 'ya' saya pakai buku jadul dulu, karena ada orang yang bilang bahwa kita harus pakai buku terbaru, karena buku lama sudah tidak update. ‘Iya, bener sih’, tapi bukankah buku yang baru itu adalah hasil serial studies dengan mengacu pada buku-buku jadul juga? Dari sanalah para penulis terinspirasi untuk menangkap novelty dan melakukan pembaharuan. Ketika kita memahami buku jadul, maka akan mudah memahami updatingnya pada buku-buku baru, bahkan bisa mengkritisi rantai logika yang diskrit atau yang terpatahnya, dan selanjutnya kita akan memeroleh inspirasi untuk memroduksi konten yang sama : novelty dan pembaharuan. Saya kira cukup 'ya' klarifikasinya 'he he'. “Teori adalah bagian ‘alat’ untuk menjelaskan dan memrediksi. Bagian alat lainnya adalah penyelidikan empiris (empirical investigations). Dua alat tersebut saling melengkapi. Teori menyajikan petunjuk untuk melakukan penyelidikan empiris, dan penyelidikan empiris menyajikan pembuktian terhadap asumsi dan simpulan teoritis”, demikian menurut Henderson dan Quandt (1958). Mereka melanjutkan bahwa teori itu terdiri dari tiga elemen, yaitu data, variabel dan asumsi perilaku. Data menampilkan peran parameter, variabel menampilkan besaran yang akan ditentukan, dan asumsi perilaku atau disebut postulat menampilkan himpunan operasi agar nilai variabelnya dapat ditentukan. Mankiw (2018) menggunakan istilah teori dan observasi. “Untuk menguji pernyataan teoritis, ekonom mengumpulkan dan menganalisis jenis dan jumlah variabel serta data yang dijelaskan dalam suatu teori. Jika tidak ditemukan hubungan pada variabel dan data tersebut, ekonom meragukan validitas teorinya. Jika observasi menampilkan hubungan yang kuat antara variabel dan data tersebut, maka ekonom akan memercayai teori tersebut”, demikian jia digeneralisasi dari Mankiw (2018). Para pembelajar ekonomi menggunakan asumsi untuk menyederhanakan dunia atau fenomena riil atau aktual yang rumit agar mudah untuk dipahami.

Oleh karena itu, ketika para pembelajar ekonomi memelajari suatu teori, maka mereka akan memahami data, variabel dan postulatnya. Pembelajaran demikian menjadi ritual dan terapi untuk menguatkan logika ekonomi, menghasilkan kekuatan inutitif yang sedang disestablish atau diinstall ke dalam pikiran para pembelajar ekonomi. Bahasa matematik dan statistic menjadi melekat atau tidak bisa dipisahkan dari proses pembelajaran. Disinilah kesulitan yang sering diperoleh para pembelajar ekonomi. Setidaknya yang pernah saya alami ‘teh’ demikian.

Namun sekarang, saya kira ‘mah’ kesulitan itu bisa diatasi. Ada software yang telah saya gunakan sejak Tahun 2010, namanya Microsoft Mathematics (MM). Dibuat oleh microsfot. Jadi, ceritanya, dulu saya sedang menyusun tesis di Bogor, ‘nah’ ketika menyusun kerangka pemikiran, saya menggunakan atau meminjam bahasa matematik agar dapat mengabstraksi obyek yang sedang dikaji. Mengabstraksi ‘teh’ dengan kata lain mengonversi dunia nyata ke dalam dunia analog, sehingga saya tidak usah ngotak-ngatik dunia nyata, melainkan ngotak-ngatik dunia analog agar saya memeroleh hipotesis yang perlu diuji via data empirisnya nanti. Software itu, yang fungsinya hampir sama dengan Maple, membantu melakukan beberapa operasi kalkulus, semacam differensiasi, integral dan solusi sistem persamaan. Bahkan ketika menyusun serial studies dari artikel-artikel ilmiah terpilih, mereka menggunakan bahasa matematika. Saya ‘kan’ harus tracing atau menelusuri juga bahasa metematika yang mereka gunakan, sehingga saya bisa memahami apa yang mereka sampaikan, baik dalam ekspresi teoritis maupun ekspresi hasil pengujian. Dua pekerjaan tersebut, ‘alhamdulillah’, terbantu oleh software MM. Kontribusi penting dari software ini membantu mencari pemecahan masalah matematik sekaligus menampilkan prosesnya yang dapat dipahami.

Melalui tulisan ini, Saya coba berbagi pengalaman bagaimana menggunakannya. Tentu bukan tutorial software MMnya secara utuh, melainkan contoh aplikasi pada pembelajaran ekonomi. Saya menggunakan dua contoh, yang mudah-mudahan temen-temen yang memerlukannya bisa terbantu. Setidaknya, point Saya adalah memeroleh familiarisasinya dari penggunaan software MM tersebut untuk keperluan pembelajaran teori. Saya menggunakan contoh pembelajaran teori optimisasi dengan kendala pada sebagai awalan, dan teori general market equilibrium pada bagian berikutnya. Pada bagian pertama, ‘temen-temen’ diharapkan familiar dengan operasi kalkulus differensiasi, sedangkan pada bagian kedua akan familiar dengan kalkulus sistem persamaan. Namun sebelum latihan itu, ada baiknya Saya awali dulu dengan fitur software MM secukup yang Saya perkirakan.

‘Oh iya’, dalam menulis dokumen ini, Saya sedang suka menggunakan gaya bertutur. Saya berusaha menempatkan pembaca sebagai mitra dialog virtual ketika sedang menulis. Tidak intens dengan budaya bahasa akademik yang biasa digunakan pada jurnal-jurnal ilmiah. Saya membuat tulisan ini bukan untuk sebuah temuan yang harus Saya komunikasikan dengan para ahli ekonomi yang telah advance, melainkan saya tujukan bagi temen-temen yang mau belajar teori ekonomi secara ‘serius’ dengan alat bantu software MM ini. Tapi kalau mau dikritik bahwa gaya bahasanya ‘ngga kampus banget’, ‘ya ngga apa-apa juga’ sih, toh sudah Saya sadari demikian. Saya seringkali menggunakan tanda petik ‘..’ untuk menampilkan kata atau frase khusus atau bahkan yang tidak memenuhi standar akademis digunakan.

Fitur Microsoft Mathematics

Software MM dapat didownload pada URL berikut:
https://microsoft-mathematics.en.uptodown.com/windows/download

Software tersebut tidak berlisensi dan aman untuk laptop atau personal computer. Sebagaimana ditampilkan:



Diinformasikan, lisensinya bebas, menggunakan operating systems Windows, diproduksi oleh Microsoft, bahasa menunya Inggris, ukuran file 18.89 megabyte, dan yang terbaru dipublish tanggal 23 januari 2020.

Setelah disimpan pada folder yang Anda gunakan, double klik filenya, dan ikuti instruksinya secara berurutan, pengalaman saya kurang dari 2 atau 3 menit saja, tergantung kondisi PC yang Anda gunakan. Installnya ‘ngga’ ribet, dan menurut Saya sangat ‘user friendly’.

Berikut tampilan awal MM:


Saya langsung saja ke menu yang akan digunakan untuk bekerja secara umum. Pada sisi kiri ada gambar seperti remote berwarna hijau. Di dalamnya ada menu:

1. Complex number
2. Calculus
3. Statistics
4. Trigonometry
5. Linear algebra
6. Standard

Keterangan lebih detil dapat kita buka pada menu ‘Microsoft Mathematics Help’ (File --> Help). Disana dijelaskan, MM menyediakan alat-alat matematik yang membantu proses pembelajaran lebih cepat dan mudah. MM dapat menyajikan pemecahan masalah matematik dilengkapi dengan tahapan mencapai solusinya. So, kita ‘bener-bener’ dapat mempelajari kenapa solusinya begini dan begitu. Kita dapat memahami konsep dasarnya seperti pra-aljabar, aljabar, trigonometri, fisika, kimia dan kalkulus. MM juga memiliki kalkulatir grafis yang didesain mirip kalkulator tangan. Alat tambahan matematiknya dapat membantu kita untuk mengevaluasi atau memelajari segitiga, konversi dari satu sistem unit ke sistem unit yang lain, dan memecahkan masalah sistem persamaan.

Menu yang digunakan sebagai latihan pada tulisan ini adalah ‘calculus’ dan ‘aljabar linear’. ‘Calculus’ digunakan untuk mencari solusi dari masalah optimisasi terkendala, dan ‘aljabar linear’ digunakan untuk mencari solusi atau menganalisis masalah general market equilibrium.

Sofwtare MM telah diperluas kemudahannya. Ia bisa masuk pada menu 'Add in' Microsoft Word dan OneNote. Disana kita bisa langsung menggunakannya tanpa harus membuka program terpisah. Hanya saja di Microsoft Word proses step by step solutionnya tidak ditampilkan, tapi di OneNote proses tersebut bisa ditampilkan. Bahkan, saat ini, 'temen-temen ngga usah' install di laptop atau PC juga bisa, karena sudah tampil operasinya secara online pada URL berikut :

Optimisasi dengan Kendala: Contoh 1

Contoh pembelajaran 1 Saya ambil dari Bab 12 Dasar Metode Matematika Ekonomi Chiang dan Wainwright (2005) halaman 347. Contoh ini menampilkan pengalaman aplikasi metode matematika differensiasi pada ‘masalah ekonomi optimasi’. Pada bagian awal, Chiang dan Wainwright (2005) menjelaskan teknik analisis yang akan diperoleh pada Bab 12. Pada alinea pertama ia menjelaskan sebuah postulat bahwa pilihan ekonomi tidak bersifat independent. Suatu pilihan akan membatasi pilihan yang lain. Setiap pilihan, satu sama lain saling membatasi. Contohnya adalah kuota produksi. Ia menyontohkan perusahaan yang memiliki 2 jenis output, misalnya Q1 dan Q2, dan perusahaan itu memiliki batas produksi, contohnya 950 unit, maka ekpresi matematisnya adalah Q1 + Q= 950  unit. Ketika perusahaan memperbesar produksi Q1, konsekuensinya akan menurunkan jumlah produksi Q2. Masalah ini, dalam istilah matematika, disebut dengan ‘optimum terkendala’. Bab 12 ini akan memberikan pemahaman mengenai titik ekstrim terkendala ‘relatif’ dan ‘absolut’.

Chiang dan Wainwright (2005) memulai pembahasan dengan ‘pengaruh kendala’. Ia menampilkan contoh indeks kegunaan konsumen (utility):

Ia kemudian menjelaskan bahwa ‘marginal utility’nya positif untuk setiap besaran x1 dan x2.

Ia hanya memberikan petunjuk bahwa marjinal utility adalah U1 @ U/x1 dan U2 @ U/x2.Tapi bagaimana kita memahami bahwa sifatnya positif ? Nah, mari kita gunakan software MM:

1. Copy term sebelah kanan tanda ‘sama dengan (=)’ pada persamaan (1), kemudian paste di MM:
2. Klik enter pada pokok kanan, sehingga tampil seperti ini:


3. Amati pada bari di bawah ‘output’, software MM melayani kita dengan pilihan operasi, apakah akan difaktorkan ekpresinya? didifferensiasi ke variabel x1? didifferensiasi ke variabel x1 ? ataukah akan diintegralkan.

4. Pilih ‘differensiate on x_1’ untuk mencari tahu maksud notasi U1 atau U/x1 atau marginal utility x1 ketika kita membaca Chiang tadi, hasilnya adalah:


5. Hasilnya ditampilkan pada menu output yaitu x2 + 2. Hasil itu menunjukkan variabel x2 bersifat positif, dan konstantanya ‘2’ juga demikian.

6. Selanjutnya, pilih ‘differensiate on x_2’ pada menu baris 1, sehingga secara keseluruhan akan tampil:

7. Hasilnya adalah xyang bersifat positif. Jika hasilnya -x1, maka kita menerima informasi bahwa sifat variabel tersebut adalah negatif.

8. Terjawablah arti dari ‘positif’ dari teks Chiang dan Wainwright (2005) tadi.

Berikutnya, Chiang dan Wainwright (2005) menjelaskan bahwa U atau utility konsumen tersebut dimaksimisasi (diperoleh nilai terbesar atau tertingginya) tanpa kendala. Terbesit pemahaman bahwa konsumen akan membeli x1 dan xdengan jumlah yang tak terbatas (infinite). “Ini adalah solusi yang sesunggunya menampilkan sedikit praktik yang relevan, atau bisa disebut tidak relevan” tutur Chiang dan Wainwright (2005). Oleh karena itu untuk menampilkan masalah optimisasi yang bermakna, maka daya beli konsumen haru juga dipertimbangkan (also be taken into account). Kendala anggaran atau budget constraint harus menjadi pertimbangan agar masalah optimisasinya bermakna. Selanjutnya Chiang dan Wainwright (2005) menyontohkan dengan ‘konsumen yang cenderung mengeluarkan’ $60 pada barang x1 dan x2 yang masing-masing harganya adalah P1 = 4 dan P1 = 2, maka ekspresi persamaan kendala anggarannya adalah :

Contoh tersebut menampilkan ciri cara kerja optimisasi terkendala (constrained optimum), dimana pengambilan keputusan konsumen untuk memilih x1 dan x2 bersifat saling tergantung atau mutually dependent.

Metode Lagrange-Multiplier seringkali digunakan untuk menganalisis optimisasi terkendala pada masalah konsumen. Chiang dan Wainwright  (2005) menampilkan cara analisisnya pada halaman 350. Ia menjelaskan bahwa metode Lagrange-Multipler atau pengganda Lagrange, dasarnya adalah mengonversi kendala ke dalam bentuk yang dapat diselesaikan atau dicari solusinya dengan operasi matematik yang disebut dengan first-order condition atau ‘kondisi turunan pertama’. Software MM dapat membantu pembelajar untuk memahami operasi tersebut.

Oke, kita langsung pelajari Lagrange-Multiplier tersebut. Persamaan (1) menjadi tujuan, dan persamaan (2) menjadi kendala, sehingga ekspresi Lagrangenya adalah:

Perhatikan kotak kedua sebelah kanan ! Aga berbeda tampilannya dengan persamaan (2). Term pada sisi kiri sama dengan pindah posisi ke kanan menjadi pengurang anggaran konsumen sebesar $60. Logika kita bisa saja memahami bahwa hasilnya sama dengan nol. Persamaan pada kotak tersebut dikali dengan symbol ‘l’ atau ‘lambda’ yang menampilkan sebuah ‘angka yang belum ditentukan’, dan inilah yang disebut dengan pengganda Lagrange. Bagaimana memahami ini? Tulis Chiang dan Wainwright  (2005) “jika kita, entah gimana caranya, yakin bahwa 4x1 + 2x2= 60, maka akibat logisnya, term pada kotak sebelah kanan akan sama dengan ‘0’, dan akan menghilang, karena 0*l= 0. Oleh karena itu nilai Z akan sama dengan U atau term pada kotak sebelah kiri, dan artinya pencarian solusi optimisasi terkendala menjadi tidak bermakna, karena kembali pada cara kerja optimisasi tanpa kendala, dimana konsumen akan menentukan jumlah x1 dan x2 dengan cara tidak terbatas (infinite)”. Itulah kenapa Chiang dan Wainwright (2005) menyebut $60 dengan pengandaian ‘jika konsumen memiliki niat mengeluarkan sejumlah uang …” dalam rangka memberikan peluang bagi kita untuk mengeksplorasi asumsinya agar mendekati sifat yang realistis. Pada contoh ini diartikan bahwa perlu tambahan variabel (extra variabel) yang dalam dunia konsumen riilnya ditampilkan oleh pertimbangan lain konsumen yang tidak terdefinisi dalam masalah optimisasi yang sedang dicari solusinya. Symbol ‘l’ digunakan sebagai ‘taktik’ untuk mempertahankan agar problem optimasinya menimbang kendala anggaran. Konsekuensi dari argumentasi ini adalah ada tiga keputusan yang menjadi obyek pilihan konsumen, yaitu x1x2, dan l.

Jika alasan sifat optimisasi terkendala dibalik persamaan (3) telah dipahami, maka tahapan berikutnya adalah menggali analisis marjinal. Di dalam mikroekonomi, keluar sejenak dari Chiang dan Wainwright  (2005), disebut dengan equimajinal principle. Di dalam bahasa matematika ekonomi, Chiang dan Wainwright (2005) menyebutnya dengan kondisi turunan atau first-order condition untuk mencari titik ekstrim. Hasil dari turunan pertamanya disajikan pada persamaan (4):

Nah, bagaimana operasi turunan pertama menghasilkan solusi tersebut? Mari kita gunakan MM untuk membantu kita.
1. Jika pada software MM masih ada sisa kerja yang tadi, maka kita tekan ‘delete entry’:
2. Copy sisi kanan persamaan (3), kemudian paste di menu ‘worksheet’ MM kemudian tekan ‘enter’, sehingga tampil sebagai berikut :

3. Untuk menghasilkan turunan pertama pada persamaan (4a), klik ‘differensiate on l’ :

4. Untuk menghasilkan turunan pertama persamaan (4b) dan (4c), klik ‘differensiate on_x1’ dan ‘differensiate on_x2’ secara berurutan :
Apa arti dari turunan perama tersebut? “Persamaan (4a) akan menjamin terpenuhinya kendala secara otomatis. Kemudian dengan memasukan kendala ke dalam fungsi Lagrange dan memperlakukan Lagrange sebagai pengganda sebuah variabel ekstra (l), kita akan memeroleh titik ekstrim U (persamaan (1)) terkendala dengan cara menyaring (screening) nilai Z, yang diambil sebagai fungsi bebas tiga variabel (l, x1, dan x2)”, tutur Chiang dan Wainwright (2005). Untuk memahami makna ungkapan ‘titik ekstrim’, kita perlu membuka bagian awal Bab 11 dan 12 Chiang dan Wainwright (2005) yang menjelaskan masalah dasar optimisasi pilihan dengan ilustrasi. Intinya adalah untuk menguji solusi numerik dari masalah ‘optimisasi tanpa dan dengan kendala’. Untuk menjawab apakah U konsumen ‘yang kita pelajari’ itu berada pada titik maksimum absolut ataukan relatif.

Lantas berapa solusi numerik variabel x1, dan xyang sedang kita pahami ini ? Jawaban yang diberikan Chiang dan Wainwright (2005) l* = 4, x1* = 8, dan x2* = 14. Bagaimana kita memahami jawaban tersebut ?

1. Pada software MM yang sudah ada operasi turunan pertamanya, kita klik dulu menu ‘Equation Solver’, sehingga akan tampil apa yang disebut sheet ‘equation solver’ sebelah kanan, dan kita pilih ‘solve a system of 3 equation’ karena ada tiga persamaan turunan pertama yang sedang kita pelajari :

2. Kemudian kita klik output dari hasil ‘differensiate on_l’ yaitu , kemudian klik kanan mouse kita, sehingga muncul pilihan klik ‘copy’ dan paste pada sheet ‘equation 1’:

3. Lakukan cara yang sama dengan point 2, sehingga akan tampil sebagai berikut :
    Pada setiap ‘equation’ kita tulis dulu ‘= 0’ pada sisi kanan setiap persamaannya.

4. Klik menu ‘solve’, dan kita akan memeroleh :


5. Solusi numerik MM pada tampilan point 4 sama persis dengan solusi yang diberikan Chiang dan Wainwright (2005).

6. Solusi MM memberikan informasi bahwa konsumen akan mencapai utility maksimum dengan mengonsumsi x1* sebanyak 14 unit dan x2* sebanyak 8 unit.

General Market Equilibrium : Contoh 2

Contoh kedua Saya ambil dari Chiang dan Wainwright (2005), Sub Bab 3.4 halaman 40. Contoh ini menampilkan pengalaman teknik sistem persamaan yang diaplikasikan pada isu pasar komoditi. Pengalaman ini dapat digunakan untuk mengambil hipotesis dari kerangka pemikiran yang menjelaskan interaksi antar pasar komoditi. Variabel penting yang akan kita kaji adalah keseimbangan harga komoditi dan permintaan serta penawarannya. Kita akan memelajarinya dari contoh yang sederhana, yaitu pasar dua komoditi dan 'temen-temen' bisa melakukan generalisasi pada ‘n’ atau ‘sekian’ pasar komoditi.

Sebagai awal pembelajaran, Chiang dan Wainwright (2005) memberikan contoh sederhana. Terdapat dua komoditi dan diasumsikan fungsi permintaan dan penawarannya bersifat linear. Jadi, menganggap bahwa kedua fungsi tersebut bersifat linear. Ekpresinya dalam bentuk simbolis atau ‘parametrik’ disajikan pada persamaan (5):

Dimana, a dan b adalah koefisien fungsi permintaan dan penawaran komoditi ‘1’, dan a dan b adalah koefisien fungsi permintaan dan penawaran komoditi ‘2’. Chiang dan Wainwright (2005) tidak menggunakan asumsi khusus mengenai tanda dari koefisien tersebut. Jadi, hubungan antara harga dengan permintaan dan penawaran tidak dispesifikasikan apakah menampilkan relasi yang negative atau positif.

Tahap pertama untuk mencari solusi model pasar dua komoditi tersebut dilakukan dengan teknik eliminasi variabel. Caranya, pertama masukan atau subsitusi persamaan (5b) dan (5c) ke dalam persamaan (5a), yaitu pasar komoditi ‘1’. Kedua, dengan cara yang sama, substitusikan persamaan (5e) dan (5f) ke dalam persamaan (5d), yaitu pasar komoditi ‘2’.

1. Substitusi Persamaan (5b) dan (5c) ke persamaan (5a) secara manual, dilanjutkan dengan substitusi persamaan (5e) dan (5f) ke dalam persamaan (5d) :
2. Menata parameter konstan dan variabel P1 dan P2:

3. Menyederhanakan parameter :

4. Buka software MM, kemudian klik ‘equation solver’, dan pilih ‘solve a system of 2 equation’:

5. Copy ‘c0 + c1P1 + c2P2’ pada tahap 3, kemudian paste pada menu ‘equation 1’. Lanjut copy ‘g0 + g1P1 + g2P2’ kemudian paste pada ‘equation 2’, dan klik menu ‘solve’ pada pojok kana bawah menu ‘Equation Solver’:

Software MM memberikan catatan matematis yang lengkap. Amati, bahwa supaya harga komoditi ‘1’ atau Pmasuk akal, maka c1 tidak boleh sama dengan 0 atau c1 ¹ 0, dan g2 – (c2g1/c1¹ 0.

6. Amati, bahwa software MM menampilkan tahapan untuk menghasilkan solusi tersebut. Kita dapat memelajari bagaimana ‘solution steps using substitution’, ‘solution steps using matrices’, dan ‘solution steps using elimination’. Jika kita buka ‘solution steps using matrices’, maka software MM akan tahapannya agar dapat kita pelajari secara bertahap proses yang menghasilkan solusi pada point 5:

 
Teknik matematika yang telah dibantu MM menghasilkan solusi harga komoditi ‘1’ dan ‘2’ yang equilibrium. Tentu solusinya bersifat parametrik konsisten dengan desain masalah yang dibahas dari awal.

Solusi persamaan (7) dapat digunakan untuk menampilkan hipotesis terkait faktor-faktor yang dapat mengubah P1 dan P1. Parameter ‘g’ ada pada solusi P1, yang menunjukkan bahwa pasar komoditi ‘2’ juga memengaruhi harga komoditi ‘1’, begitupun sebaliknya. Mengenai berapa besar pengaruhnya, pekerjaanya beralih menjadi tugas ekonometrika atau metode kuantitatif lain.

Bagaimana dengan analisis secara numerik untuk pasar dua jenis komoditi? Chiang (2005) memberikan contoh sebagaimana ditampilkan pada persamaan (7):

Sebelum menggunakan software MM, kita tata terlebih dahulu koefisien pada setiap persamaan (7). Penataan koefisien dilakukan dengan definisi parameter pada persamaan (6e) dan (6f). Nah, pada persamaa (7) kita memiliki definsi koefisien sebagai berikut :


Kemudian dari persamaan (6e) dan (6f), kita memiliki definisi parameter yang telah diringkas (reduced) sebagai berikut :


Jika koefisien persaman (7) diinsert ke dalam (6e) dan (6f) tersebut, maka diperoleh :


Kemudian kita insert kembali ke dalam struktur persaman (6e) dan (6f):

Selanjutnya, lakukan langkah sebagai berikut:
1. Pada software MM klik ‘equation solver’ dan pilih menu ‘solve a system of 2 equation’.
2. Copy persamaan (6e’) pada sheet ‘equation 1’, dan (6f’) pada ‘equation 2’, sehingga tampil sebagai berikut:

3. Klik perintah ‘solve’ pada pojok kanan bawah untuk menampilkan solusi besaran harga komoditi ‘1’ dan ‘2’ pada keseimbangan atau equilibrium pasar:


4. Berapa besarnya jumlah permintaan dan penawaran dua jenis komoditi tersebut? Untuk menjawabnya dengan MM, kita copy persamaan (7a) dan paste pada worksheet, kemudian kita replace manual variabel P1 dengan 3.71 dan variabel P1 dengan 6.57, sehingga diperoleh tampilan:

5. Klik ‘enter’, dan kita memperoleh jawaban bahwa permintaan untuk komoditi ‘1’ dalam keseimbangan pasar adalah 9.15:

6. Cara yang sama dapat diterapkan pada persamaan (7b), (7c), dan (7d) untuk memeroleh besaran penawaran komoditi ‘1”, permintaan komoditi ‘2’, dan penawaran komoditi ‘2’ dalam keseimbangan pasar:
7. Pada hasil terakhir tersebut, kita memeroleh informasi bahwa dalam keseimbangan pasar umum, yaitu gabungan pasar kedua komoditi, bahwa jumlah komoditi ‘1’ dan ‘2’ yang terserap di pasar sebanyak 9 unit dan 12 unit.

Epilog

Saya sangat meyakini bahwa proses pembelajaran yang ‘radikal’ akan memberikan kemampuan berpikir yang efektif dan efisien. ‘Radikal’ yang Saya maksud adalah memahami sesuatu hingga ke dasarnya. Setiap alasannya dipahami. Software MM membantu dalam proses pembelajaran demikian. Tidak seperti dahulu Saya belajar. Banyak menghabiskan kertas untuk ‘corat-coret’ dan ‘proofing’ suatu teori yang sedang dipelajari, sehingga waktu yang dialokasikan juga cukup lama, selain itu, ‘kertas coretan’ beresiko hilang, dan ketika hilang ‘pusing 7 keliling’ mencarinya.

Akhir kata, selamat memelajarinya. Mohon maaf jika penuturannya tidak menggunakan ‘bahasa akademis’ banget. Saya sedang belajar juga berkomunikasi tidak langsung melalui tulisan di era pandemic ini, agar sifatnya ada koneksi rasa dengan ‘temen-temen’ yang membacanya. Saya mengucapkan terimakasih kepada ‘temen-temen’ yang mencatat kesalahan pada tulisan ini, dan menuliskannya pada kolom komentar, sehingga Saya dapat mengoreksinya dengan segera.

Referensi

Chiang, A., & Wainwright, K. (2005). Fundamental Method of Mathematical Economics (4 ed.). New York: McGraw-Hill International Edition.
Henderson, J. M., & Quandt, R. E. (1958). Microeconomic Theory : a Mathematical Approach. (S. E. Harris, Ed.) New York: McGraw-Hill.
Mankiw, G. N. (2018). Principles of Microeconomics (Eighth ed.). Boston: Cengage Learning.

Selasa, 18 Januari 2011

BEBERAPA ANALISIS STATISTIK DENGAN MENGGUNAKAN SAS

BEBERAPA ANALISIS STATISTIK DENGAN MENGGUNAKAN SAS

Artikel ini disadur dari :
http://www.ats.ucla.edu/stat/sas/whatstat/whatstat.htm

Pendahuluan

Halaman ini menunjukkan bagaimana melakukan sejumlah pengujian statistik dengan menggunakan software SAS. Setiap bagian menampilkan gambaran ringkas pengujian statistik dengan menggunakan perintah dan output SAS dan ditambah dengan interpretasi ringkas terhadap outputnya.
Dalam memutuskan pilihan pengujian yang tepat untuk digunakan, penting untuk mempertimbangkan jenis variabelnya. Apakah variabelnya berbentuk kategorikal, ordinal atau interval, dan apakah variabel tersebut terdistribusi secara normal ? (lihat link).

Seputar Data File ”hsb”

Pada halaman ini banyak digunakan contoh data file dengan nama hsb2. Data file ini mengandung 200 pengamatan dari suatu sampel siswa sekolah menengah atas, dimana di dalamnya terkandung informasi mengenai aspek demografinya seperti jenis kelamin (female), status sosial ekonomi (ses) dan latar belakang etnisnya (race). Kemudian terkandung juga informasi mengenai skor hasil ujiannya, seperti : ujian membaca (read), menulis (write), matematika (math), dan kajian sosial (socst). Kita dapat menggunakan data tersebut dengan membuka link ini ”klik”. Kita dapat menyimpan file tersebut dimanapun, tapi dalam contoh yang akan disajikan, kita asumsikan data file tersebut disimpan dalam folder ”c:\mydata\hsb2.sas7bdat”.

Pengujian Satu Sampel

Metode ini ditujukan untuk menguji apakah nilai tengah atau rata-rata sampel (dari variabel interval yang didistribusikan secara normal), secara signifikan berbeda dari nilai yang ditetapkan dalam hipotesis penelitian. Sebagai contoh, kita dapat menggunakan data ”hsb2” untuk menguji, dan kita akan menguji apakah skor rata-rata menulis siswa berberda signifikan dari 50. Kita dapat melakukannya dengan menggunakan bahasa program SAS sebagai berikut :

proc ttest data = "c:\mydata\hsb2" h0 = 50;
  var write;
run;

Hasilnya ditampilkan sebagai berikut :

The TTEST Procedure
                                         Statistics
               Lower CL         Upper CL Lower CL         Upper CL
Variable     N     Mean    Mean     Mean  Std Dev Std Dev  Std Dev Std Err
write      200   51.453  52.775   54.097   8.6318  9.4786   10.511  0.6702

                T-Tests
Variable      DF    t Value    Pr > |t|
write        199       4.14      <.0001

Nilai tengah variabel “write” untuk contoh tersebut adalah 52.775, yang mana secara statistik berbeda signifikan dari nilai skor 50. Karena itu, kita dapat menyimpulkan bahwa kelompok siswa tersebut signifikan memiliki nilai rata-rata nilai menulis yang lebih tinggi dari 50.

Pengujian Satu Median Sampel

Metode ini digunakan untuk menguji apakah median suatu sampel berbeda signifikan dari nilai yang ditetapkan dalam hipotesis penelitian. Kita akan menggunakan variabel yang sama yaitu ”write. Pengujiannya dilakukan seperti dalam pengujian satu sampel di atas, namun kita tidak menggunakan asumsi bahwa intervalnya terdistribusi normal. Kita menggunakan asumsi bahwa variabel ”write” adalah variabel ordinal. Selanjutnya, kita akan menguji apakah median skor ujian menulis (write) berbeda secara signifikan dari 50. Opsi ”loccount” dalam pernyataan ”proc univariate” menyajikan lokasi jumlah (count) dari data yang ditunjukkan pada bagian bawah hasil pengujian (output).

proc univariate data = "c:\mydata\hsb2" loccount mu0 = 50;
  var write;
run;

Hasilnya ditampilkan sebagai berikut :

              Basic Statistical Measures
    Location                    Variability

Mean     52.77500     Std Deviation            9.47859
Median   54.00000     Variance                89.84359
Mode     59.00000     Range                   36.00000
                      Interquartile Range     14.50000

           Tests for Location: Mu0=50
Test           -Statistic-    -----p Value------
Student's t    t  4.140325    Pr >  |t|    <.0001
Sign           M        27    Pr >= |M|   0.0002
Signed Rank    S    3326.5    Pr >= |S|   <.0001

Location Counts: Mu0=50.00

Count                Value

Num Obs > Mu0          12
Num Obs ^= Mu0         198
Num Obs < Mu0          72

Kita dapat menggunakan uji “sign” atau “ signed rank test”. Perbedaannya, uji “sign rank test” memerlukan variabel dari distribusi simetris. Hasilnya menunjukkan bahwa media variabel ”write” berbeda dengan 50 secara statistik.

Uji Binomial

Metode ini digunakan untuk menguji apakah proporsi pada variabel dependen jenis kategorikal dua tingkat (two-level) berbeda signifikan dari nilai yang menjadi hipotesis penelitian. Contoh, dengan menggunakan data ”hsb2”, kita akan menguji apakah proporsi perempuan (female) berbeda signifikan dari 50 persen atau 0.5. Kita akan menggunakan pernyataan ”exact” untuk menghasilkan ”p-values” yang eksak.

proc freq data = "c:\mydata\hsb2";
  tables female / binomial(p=.5);
  exact binomial;
run;

Hasilnya ditampilkan sebagai berikut :

The FREQ Procedure
                                   Cumulative    Cumulative
female    Frequency     Percent     Frequency      Percent
-----------------------------------------------------------
     0          91       45.50            91        45.50
     1         109       54.50           200       100.00

Binomial Proportion for female = 0
-----------------------------------
Proportion (P)               0.4550
ASE                          0.0352
95% Lower Conf Limit         0.3860
95% Upper Conf Limit         0.5240

Exact Conf Limits
95% Lower Conf Limit         0.3846
95% Upper Conf Limit         0.5267

   Test of H0: Proportion = 0.5

ASE under H0                 0.0354
Z                           -1.2728
One-sided Pr <  Z            0.1015
Two-sided Pr > |Z|           0.2031

Exact Test
One-sided Pr <=  P           0.1146
Two-sided = 2 * One-sided    0.2292

Sample Size = 200

Hasilnya menunjukkan bahwa tidak ada perbedaan statistik yang signifikan (p= .2292). Dengan perkataan lain, proporsi perempuan dalam sampel tersebut tidak berbeda signifikan dari hipotesisnya, 50%.


Chi-square goodness of fit

Metode dapat digunakan untuk menguji apakah pengamatan terhadap proporsi variabel kategorikal berbeda dari proporsi yang ditetapkan dalam hipotesis penelitian. Sebagai contoh, suatu populasi terdiri dari 10 persen Hispanic, 10 persen Asia, 10 persen Afrika-Amerika dan 70 persen Kulit Putih. Selanjutnya, kita ingin menguji apakah pengamatan terhadap proporsi tersebut secara signifikan berbeda dari hipotesis terhadap proporsi tersebut. Pernyataan SAS untuk melakukan pengujian tersebut adalah :

proc freq data = "c:\mydata\hsb2";
  tables race / chisq testp=(10 10 10 70);
run;

Hasil estimasinya adalah

The FREQ Procedure
                                    Test     Cumulative    Cumulative
race    Frequency     Percent     Percent     Frequency      Percent
--------------------------------------------------------------------
   1          24       12.00       10.00            24        12.00
   2          11        5.50       10.00            35        17.50
   3          20       10.00       10.00            55        27.50
   4         145       72.50       70.00           200       100.00

     Chi-Square Test
for Specified Proportions
-------------------------
Chi-Square         5.0286
DF                      3
Pr > ChiSq         0.1697

Sample Size = 200

Hasilnya menunjukkan bahwa komposisi rasial dalam sampel tidak berbeda signifikan dari nilai yang ditetapkan dalam hipotesis (chi-square dengan derajat kebebasan = 5.0286, p = .1697).

Pengujian Dua Sampel Independen

Metode ini digunakan ketika kita ingin membandingkan nilai tengah variabel interval yang didistribusikan secara normal untuk dua kelompok yang independen. Sebagai contoh, dengan menggunakan data ”hsb2”, katakanlah kita ingi menguji apakah nilai tengah variabel ”write” sama antara pria dan wanita.

proc ttest data = "c:\mydata\hsb2";
  class female;
  var write;
run;

Hasilnya disajikan sebagai berikut

The TTEST Procedure
                                           Statistics
                              Lower CL      Upper CL Lower CL           Upper CL
Variable  female        N     Mean    Mean    Mean   Std Dev  Std Dev  Std Dev  Std Err
write     0             91    47.975  50.121  52.267 8.9947   10.305   12.066   1.0803
write     1            109    53.447  54.991  56.535 7.1786   8.1337    9.3843  0.7791
write     Diff (1-2)          -7.442   -4.87  -2.298 8.3622   9.1846   10.188   1.3042

                               T-Tests
Variable    Method           Variances      DF    t Value    Pr > |t|
write       Pooled           Equal         198      -3.73      0.0002
write       Satterthwaite    Unequal       170      -3.66      0.0003

                    Equality of Variances
Variable    Method      Num DF    Den DF    F Value    Pr > F
write       Folded F        90       108       1.61    0.0187

Hasilnya menunjukkan bahwa terdapat perbedaan signifikan antara skor nilai menulis pria dan wanita (t = -3.73, p = .0002). Dengan perkataan lain, wanita memiliki skor nilai menulis In other words, females have a statistically significantly higher mean score on writing (54.991) than males (50.121).

Pengujian Wilcoxon-Mann-Whitney test

Metode ini analog dengan non-parametrik terhadap pengujian sampel independen dan dapat digunakan ketika kita tidak menggunakan asumsi bahwa variabel dependen adalah variabel interval yang berdistribusi normal. Sekurang-kurangnya kita menggunakan asumsi bahwa variabelnya adalah ordinal. Dengan menggunakan data ”hsb2” contohnya disajikan sebagai berikut :

proc npar1way data = "c:\mydata\hsb2" wilcoxon;
  class female;
  var write;
run;

Hasilnya adalah

The NPAR1WAY Procedure

            Wilcoxon Scores (Rank Sums) for Variable write
                    Classified by Variable female

                      Sum of      Expected       Std Dev          Mean
female       N        Scores      Under H0      Under H0         Score
----------------------------------------------------------------------
0           91        7792.0       9145.50    406.559086     85.626374
1          109       12308.0      10954.50    406.559086    112.917431

                  Average scores were used for ties.

   Wilcoxon Two-Sample Test

Statistic             7792.0000

Normal Approximation
Z                       -3.3279
One-Sided Pr <  Z        0.0004
Two-Sided Pr > |Z|       0.0009

t Approximation
One-Sided Pr <  Z        0.0005
Two-Sided Pr > |Z|       0.0010

Z includes a continuity correction of 0.5.

Hasilnya menyatakan bahwa terdapat perbedaan signifikan secara statistik antara nilai skor menulis pria dan wanita (z = -3.329, p = 0.0009).

Pengujian Chi-square

Metode ini digunakan bila kita ingin melihat hubungan antara dua variabel kategorikal. Dalam SAS, opsi ”chisq” digunakan pada pernyataan ”tables” untuk memperoleh pengujian statistik dan nilai p-value nya. Dengan menggunakan data ”hsb2”, kita coba menguji hubungan antara jenis sekolah (schtyp) dan jenis kelamin siswa (female). Perlu diingat bahwa, pengujian chi-square menggunakan asumsi bahwa nilai harapan setiap sel adalah 5 atau lebih besar dari 5. Asumsi ini mudah ditemukan dalam contoh di bawah ini. Bagaimanapun, bila asumsi ini tidak ditemukan dalam data kita, maka dapat digunakan pengujian Fisher’s exact.

proc freq data = "c:\mydata\hsb2";
  tables schtyp*female / chisq;
run;

Hasilnya disajikan sebagai berikut :

The FREQ Procedure
Table of schtyp by female
schtyp(type of school)
          female
Frequency|
Percent  |
Row Pct  |
Col Pct  |       0|       1|  Total
---------+--------+--------+
       1 |     77 |     91 |    168
         |  38.50 |  45.50 |  84.00
         |  45.83 |  54.17 |
         |  84.62 |  83.49 |
---------+--------+--------+
       2 |     14 |     18 |     32
         |   7.00 |   9.00 |  16.00
         |  43.75 |  56.25 |
         |  15.38 |  16.51 |
---------+--------+--------+
Total          91      109      200
            45.50    54.50   100.00

Statistics for Table of schtyp by female

Statistic                     DF       Value      Prob
------------------------------------------------------
Chi-Square                     1      0.0470    0.8283
Likelihood Ratio Chi-Square    1      0.0471    0.8281
Continuity Adj. Chi-Square     1      0.0005    0.9815
Mantel-Haenszel Chi-Square     1      0.0468    0.8287
Phi Coefficient                       0.0153
Contingency Coefficient               0.0153
Cramer's V                            0.0153

Sample Size = 200

Hasilnya menunjukkan bahwa tidak ada perbedaan signifikan antara jenis sekolah yang dipilih dengan jenis kelamin (chi-square dengan satu derajat kebebasan = 0.0470, p = 0.8283).
Mari kita lihat contoh lainnya yang melihat hubungan antara jenis kelamin (female) dan status sosial ekonomi (ses). Poin pada contoh ini adalah satu atau setiap variabel dapat memiliki lebih dari dua level, dan variabel tersebut tidak memiliki jumlah level yang sama. Dalam contoh ini, variabel female memiliki dua level (pria dan wanita), dan variabel ses memiliki tiga level (rendah, menengah dan tinggi).

proc freq data = "c:\mydata\hsb2";
  tables female*ses / chisq;
run;

Hasilnya disajikan sebagai berikut :

The FREQ Procedure
Table of female by ses
female     ses
Frequency|
Percent  |
Row Pct  |
Col Pct  |       1|       2|       3|  Total
---------+--------+--------+--------+
       0 |     15 |     47 |     29 |     91
         |   7.50 |  23.50 |  14.50 |  45.50
         |  16.48 |  51.65 |  31.87 |
         |  31.91 |  49.47 |  50.00 |
---------+--------+--------+--------+
       1 |     32 |     48 |     29 |    109
         |  16.00 |  24.00 |  14.50 |  54.50
         |  29.36 |  44.04 |  26.61 |
         |  68.09 |  50.53 |  50.00 |
---------+--------+--------+--------+
Total          47       95       58      200
            23.50    47.50    29.00   100.00

Statistics for Table of female by ses
Statistic                     DF       Value      Prob
------------------------------------------------------
Chi-Square                     2      4.5765    0.1014
Likelihood Ratio Chi-Square    2      4.6789    0.0964
Mantel-Haenszel Chi-Square     1      3.1098    0.0778
Phi Coefficient                       0.1513
Contingency Coefficient               0.1496
Cramer's V                            0.1513

Sample Size = 200

Hasilnya menunjukkan bahwa tidak ada hubungan signifikan secara statistik antar variabel jenis kelamin dengan status ekonomi (chi-square dengan derajat kebebasan sama dengan 2 = 4.5765, p = 0.1014).

Penguian Fisher's exact

Metode ini digunakan ketika kita ingin menggunakan pengujian chi-square, tapi satu atau lebih sel data memiliki frekuensi harapan sama dengan lima atau kurang dari lima. Perlu diingat bahwa pengujian chi-square menggunakan asumsi bahwa setiap sel memiliki frekuensi harapan sama dengan dan lebih besar dari 5, tapi pengujian Fisher’s tidak menggunakan asumsi demikian. Contoh pengujiannya disajikan sebebagai berikut :

proc freq data = "c:\mydata\hsb2";
  tables schtyp*race / fisher;
run;

Hasilnya disajikan sebagai berikut :

The FREQ Procedure
Table of schtyp by race
schtyp(type of school)     race
Frequency|
Percent  |
Row Pct  |
Col Pct  |       1|       2|       3|       4|  Total
---------+--------+--------+--------+--------+
       1 |     22 |     10 |     18 |    118 |    168
         |  11.00 |   5.00 |   9.00 |  59.00 |  84.00
         |  13.10 |   5.95 |  10.71 |  70.24 |
         |  91.67 |  90.91 |  90.00 |  81.38 |
---------+--------+--------+--------+--------+
       2 |      2 |      1 |      2 |     27 |     32
         |   1.00 |   0.50 |   1.00 |  13.50 |  16.00
         |   6.25 |   3.13 |   6.25 |  84.38 |
         |   8.33 |   9.09 |  10.00 |  18.62 |
---------+--------+--------+--------+--------+
Total          24       11       20      145      200
            12.00     5.50    10.00    72.50   100.00

Statistics for Table of schtyp by race

Statistic                     DF       Value      Prob
------------------------------------------------------
Chi-Square                     3      2.7170    0.4373
Likelihood Ratio Chi-Square    3      2.9985    0.3919
Mantel-Haenszel Chi-Square     1      2.3378    0.1263
Phi Coefficient                       0.1166
Contingency Coefficient               0.1158
Cramer's V                            0.1166

WARNING: 38% of the cells have expected counts less
         than 5. Chi-Square may not be a valid test.

       Fisher's Exact Test
----------------------------------
Table Probability (P)       0.0077
Pr <= P                     0.5975

Sample Size = 200

Hasilnya menyatakan bahwa tidak ada hubungan signifikan secara statistik antara ras dan jenis sekolah (p = 0.5975). Perlu dicatat bahwa pengujian Fisher's exact test tidak memiliki "test statistic", tapi menghitung p-value secara langsung.

One-way ANOVA

Metode ini digunakan bila kita memiliki varibel independen kategorikal (dengan dua atau lebih katgori), dan interval variabel dependennya didistribusikan secara normal, serta kita akan menguji perbedaan nilai tengah variabel dependen yang dipecah oleh tingkat variabel independen. Sebagai contoh, dengan menggunakan data ”hsb2” katakanlah kita mau menguji apakah nilai tengah variabel write berbeda antara tiga jenis program (prog).

proc glm data = "c:\mydata\hsb2";
  class prog;
  model write = prog;
  means prog;
run;
quit;

Hasilnya disajikan sebagai berikut :
The GLM Procedure
   Class Level Information
Class         Levels    Values
prog               3    1 2 3

Number of observations    200


Dependent Variable: write   writing score
                                        Sum of
Source                      DF         Squares     Mean Square    F Value    Pr > F
Model                        2      3175.69786      1587.84893      21.27    <.0001
Error                      197     14703.17714        74.63542
Corrected Total            199     17878.87500

R-Square     Coeff Var      Root MSE    write Mean
0.177623      16.36983      8.639179      52.77500

Source                      DF       Type I SS     Mean Square    F Value    Pr > F
prog                         2     3175.697857     1587.848929      21.27    <.0001

Source                      DF     Type III SS     Mean Square    F Value    Pr > F
prog                         2     3175.697857     1587.848929      21.27    <.0001

Level of             ------------write------------
prog           N             Mean          Std Dev

1             45       51.3333333       9.39777537
2            105       56.2571429       7.94334333
3             50       46.7600000       9.31875441

Nilai tengah variabel dependen secara signifikan berbeda untuk setiap level jenis program. Bagaimanapun, kita tidak tahi jika perbedaannya adalah hanya antara kedua tingkat atau semua tingkat. F test model sama dengan F test progam, karena prog hanya satu-satunya variabel yang dimasukan ke dalam model. Jika variabel lain dimasukan juga, maka F test dari model akan berbeda dari prog. Kita juga dapat melihat bahwa siswa dalam program akademik memiliki skor nilai tengah menulis yang lebih tinggi dibandingkan siswa program vokasional.

Pengujian Kruskal Wallis

Metode ini digunakan ketika kita memiliki variabel independen dengan dua atau lebih tingkat dan variabel dependen yang bersifat ordinal. Dengan perkataan lain, pengujian tersebut merupakan versi non-parametrik dari ANOVA.       

proc npar1way data = "c:\mydata\hsb2";
  class prog;
  var write;
run;
The NPAR1WAY Procedure

           Wilcoxon Scores (Rank Sums) for Variable write
                    Classified by Variable prog

                    Sum of      Expected       Std Dev          Mean
prog       N        Scores      Under H0      Under H0         Score
--------------------------------------------------------------------
1         45        4079.0       4522.50    340.927342     90.644444
3         50        3257.0       5025.00    353.525185     65.140000
2        105       12764.0      10552.50    407.705133    121.561905

                 Average scores were used for ties.


   Kruskal-Wallis Test

Chi-Square         34.0452
DF                       2
Pr > Chi-Square     <.0001

Hasilnya menunjukkan bahwa terdapat perbedaan yang signifikan pada setiap jenis program (chi-square dengan dua degrees of freedom = 34.0452, p = 0.0001).


Pengujian Pasangan (Paired t-test)

Pengujian ini digunakan ketika kita memiliki dua pengamatan yang terkait. Contohnya adalah pengamatan per subjek, dan kita ingin melihat jika distribusi normal nilai tengah variabel interval nya berbeda satu sama lain.

proc ttest data = "c:\mydata\hsb2";
  paired write*read;
run;
The TTEST Procedure
                                       Statistics

                      Lower CL          Upper CL  Lower CL           Upper CL
Difference         N      Mean    Mean      Mean   Std Dev  Std Dev   Std Dev  Std Err
write - read     200    -0.694   0.545    1.7841    8.0928   8.8867    9.8546   0.6284

                  T-Tests

Difference         DF    t Value    Pr > |t|

write - read      199       0.87      0.3868

Hasilnya menunjukkan bahwa nilai tengah variabel membaca secara statistik tidak berbeda signifikan dengan nilai tengah variabel write (t = 0.87, p = 0.3868).

*Semoga bermanfaat*


FITUR MICROSOFT MATH ADD-IN

  FITUR MICROSOFT MATH ADD-IN Yuhka Sundaya Departemen Ekonomi Pembangunan Unisba 2022 Klik menu “mathematics” pada MS.Word, sedemikian hing...