Uji Hipotesis

Pendahuluan
Setelah mendapatkan nilai Parameter Populasi

Menguji Hipotesis mengenai nilai Parameter

Populasi

Penarikan Kesimpulan

Pendahuluan
Uji Hipotesis adalah pengujian untuk membuat suatu
pertimbangan tentang beda antara nilai statistik (pada sampel)
dengan nilai parameter populasi.
Uji Hipotesis merupakan prosedur perumusan kaidah yang
membawa kita pada penerimaan atau penolakan suatu Hipotesis
Pengujian Signifikansi (Significance Test) adalah pengujuan untuk
memeriksa kekuatan suatu hipotesis tentang suatu populasi

Hipotesis
Hipotesis merupakan pernyataan sementara dan masih perlu diuji
Hipotesis digunakan untuk :
Memberi batasan dan memperkecil jangkauan dan kerja
peneltian

Menyiagakan peneliti pada kondisi fakta dan hubungan antar

fakta yang kadang kala hilang begitu saja dari perhatian peneliti
Alat sederhana dalam memfokuskan fakta yang bercerai berai
tanpa koordinasi ke dalam suatu kesatuan penting yang
menyeluruh
Pedoman dalam pengerjaan serta penyesuaian dengan fakta
dan antar fakta

Hipotesis
Hipotesis yang baik :
Sederhana

Menerangkan Fakta
Berkaitan dengan ilmu
Sesuai dan tumbuh dari hasil pengkajian

DAPAT DIUJI

Hipotesis
Langkah pertama adalah dengan merumuskan 2 macam hipotesis
berikut :

Hipotesis Nol (Null Hypothesis)

H0

Hipotesis Alternatif

H1

Hipotesis Nol/Null Hypothesis

Hipotesis Nol (H0) merupakan pernyataan yang menjadi dasar
suatu teori yang digunakan untuk mengembangkan uji statistik
Hipotesis Nol (H0) adalah hipotesis awal yang dapat diterima
ataupun ditolak berdasarkan datanya
Biasanya, H0 ini kebalikan dari harapan peneliti sehingga H0
biasanya ditolak
Sehingga Hipotesis Nol mengarah pada penerimaan Hipotesis
Alternatif

Hipotesis Nol/Null Hypothesis

Nilai H0 harus menyatakan dengan pasti nilai parameter populasi
dan ditulis dalam bentuk persamaan

Bila :

Parameter Populasi
Parameter Statistik

Maka :
Hipotesis awal terhadap nilai
yang sebenarnya dari

Jika :

Ekstrim, maka model distribusi sampling ditolak

Hipotesis Alternatif
Kita akan menguji nilai H0 dan pengujiannya dilakukan dengan
membandingkannya dengan sesuatu, agar dapat diperoleh dengan
jelas apakah hipotesis nol ditolak atau diterima.
Dengan itu kita memerlukan Hipotesis Alternatif (H1 atau kadang
dituliskan dengan Ha)
Jika :

Ingat :
Nilai H1 terdapat beberapa
kemungkinan dan biasanya
dituliskan dalam bentuk
pertidak samaan

Maka :
Atau :
atau

Contoh (Kasus 1)
Diketahui suatu pemilihan presiden di suatu negara, bila diambil
hipotesis bahwa 50 % pemilih memilih calon presiden A,
Diambil sampel 15 pemilih dan menghitung yang memilih capres
A.
Apa yang dapat disimpulkan, jika seluruh sampel tidak ada yang
memilih capres A
Diketahui :
Jika ingin dilakukan pengujian, maka :
Atau :

Apa yang dapat disimpulkan???

atau :

Contoh (Kasus 2)
Manajemen PERUMKA mulai tahun 1992, melakukan pemeriksaan karcis
KRL lebih intensif dibanding tahun-tahun sebelumnya, pemeriksaan karcis
yang intensif berpengaruh positif terhadap penerimaan PERUMKA. Untuk
membuktikan pendapat ini, hipotesis awal yang diajukan adalah :
Hipotesis Awal :
TIDAK ADA PERBEDAAN penerimaan SESUDAH maupun
SEBELUM dilakukan perubahan sistem pemeriksaan karcis.
Manajemen berharap hipotesis ini ditolak, sehingga membuktikan bahwa
pendapat mereka benar!
Penerimaan PERUMKA per tahun sebelum intensifikasi pemeriksaan
karcis dilakukan = Rp. 3 juta. Maka Hipotesis Awal dan Hipotesis
Alternatif dapat disusun sebagai berikut :

Contoh (Kasus 2)

Contoh (Kasus 3)
Problema yang biasa dihadapi ialah usaha
memperbaiki suatu proses industri dengan
jalan menerapkan suatu proses baru.
Hendak dibandingkan proses baru ini dengan
yang telah ada.
Mengingat akan biaya peralihan, maka perlu
diyakini bahwa proses baru itu memang lebih
baik sebelum perubahan ke proses baru itu
dilaksanakan.

Contoh (Kasus 3)
Misalnya proses produksi yang telah ada
menghasilkan produk yang kekuatannya
terdistribusi normal N (750, 452).
Suatu proses produksi baru dicoba dan dari suatu
sampel yang terdiri atas 30 pengukuran didapati
kekuatan rata-rata sampel = 767.
Dianggap bahwa deviasi standar tidak berubah.
Pimpinan perusahaan harus yakin bahwa beda
daripada = 750 itu memang cukup berarti untuk
membenarkan diadakannya penggantian proses
produksi.

Contoh (Kasus 3)
Cara pengujian data ini untuk melihat apakah hasil
proses baru itu cukup atau lebih baik disebut pengujian
signifikansi.
Dalam keadaan seperti ini, haruslah dipertimbangkan
bukti yang ada, dan diusahakan membandingkan dua
kemungkinan yang saling bersaing.
Harus diputuskan apakah kita akan menerima atau
menolak hipotesis bahwa sesungguhnya tidak ada
perbedaan antara kedua proses.
Disebut hipotesis nol karena hipotesis menganggap
tidak ada perbedaan antara kedua proses tersebut.

Contoh (Kasus 3)
Biarkan nilai rata-rata proses yang baru, jadi
adalah estimasi , maka :
Hipotesis nol H0 = = 0
Hipotesis alternatif H1 = > 0
Hipotesis nol menyatakan tidak ada
perbedaan antara kedua proses, yaitu proses
baru tidak lebih baik daripada proses lama.
Hipotesis alternatif membantah hipotesis nol
ini dengan menyatakan bahwa proses baru itu
lebih baik daripada proses lama.

Contoh (Kasus 3)
Dalam hal seperti ini hipotesis nol harus
dianggap benar sampai data membuktikan
lain.
Jadi titik berat pembuktian terletak pada H1,
dan kita menaruh perhatian pada terdapatnya
perbedaan antara H0 dan H1.
Bila suatu proses industri yang baru
dibandingkan dengan proses yang sudah ada,
maka pilihan hipotesis nol tergantung pada
beberapa tinjauan :

Contoh (Kasus 3)
Bila proses yang telah ada terandalkan dan
biaya-biaya pergantian tinggi, titik berat
pembuktian adalah pada proses yang baru
untuk menunjukkan bahwa ini memang
benar-benar lebih baik, maka dipilih :
H0 : Proses yang telah ada sebaik atau lebih
baik daripada yang baru.
H1 : Proses yang baru membawa perbaikan
(seperti yang diutarakan di atas)

Contoh (Kasus 3)
Bila proses yang telah ada tak andal dan biaya
peralihan proses produksi rendah, kita cenderung
untuk mengganti proses produksi, maka tekanan
pembuktian terletak pada proses yang lama.
Dalam hal seperti ini dipilih :
H0 : Proses yang baru sebaik atau bahkan lebih
baik dari proses yang lama.
H1 : Proses yang lama baik daripada yang baru.
Penolakan atau Penerimaan Hipotesis dapat
membawa kita pada 2 jenis kesalahan.

Kesalahan dalam Pengujian Hipotesis

Tipe 1

Menolak H0, padahal H0 benar

Karena tidak cukup bukti untuk menerima
Hipotesis tersebut

Tipe 2

Menerima H0, padahal H0 salah

Karena tidak cukup bukti untuk menolak
Hipotesis tersebut

Kesalahan dalam Pengujian Hipotesis

Keputusan

Fakta
H0 Benar

H0 Salah

Menerima H0

OK

Error
Tipe 1

Menolak H0

Error
Tipe 2

OK

Kesalahan Tipe 1
Sampel yang diambil memiliki nilai individual yang
ekstrim/perbedaan nilai yang besar atau variabilitasnya tinggi
Probabilitas Kesalahan

(Level of Confidence/Daerah
Penolakan)

Kemungkinan maksimum dimana kita bersedia mengambil resiko

terjadinya kesalahan jenis 1

Misalnya :

= 5%

Maka dalam 100 kali pengukuran, hanya boleh terjadi 5 kali

kesalahan

Kesalahan Tipe 2
Efek perlakuan (eksperimen) sangat kecil pengaruhnya terhadap
sampel, sehinga tidak kelihatan dipengaruhi oleh treatment
Probabilitas Kesalahan

Dimana : 1 - = Power of The Test

Kesalahan dalam Pengujian Hipotesis

Keputusan

Fakta

Menerima H0

Menolak H0

H0 Benar

H0 Salah

OK
p=1-

Error Tipe 1 ()

Error Tipe 2 ()

OK
p=1-

p=

p=

Hubungan dan
Nilai Probabilitas kesalahan tipe 1 () dapat diturunkan dengan
menurunkan level of significance / menaikkan CI

Range pengukuran yang luas sehingga sulit mendapatkan hasil

yang signifikan

Menurunkan kekuatan dari pengujian (Power of The Test)

Menaikkan probabilitas error tipe 2 ()

Hubungan dan
Nilai Probabilitas kesalahan tipe 2 () dapat diturunkan dengan
menaikkan level of significance / menaikkan CI

Menaikkan probabilitas error tipe 1

Maka dan berhubungan terbalik!!!

Permasalahannya : yang mana yang akan dipilih???????

Hubungan dan

Peramalan

Fakta
Hujan

Tidak Hujan

Hujan

OK

Apa yg
terjadi?

Tidak Hujan

Apa yg
terjadi?

OK

Tingkat Keyakinan (Level of Significance)

Di dalam menguji sebuah hipotesis tertentu,
kita menentukan kemungkinan maksimum
dimana kita bersedia mengambil resiko
terjadinya kesalahan jenis I yang disimbolkan
dengan .
Nilai yang dipilih dinamakan "level of
significance" dari pengujian.
Di dalam praktek tingkat keyakinan yang
paling sering digunakan adalah 5% dan 1%.

Daerah Penolakan
Daerah Penolakan () merupakan interval nilai, dimana jika hasil uji
statistik berada pada interval tersebut, maka kita menolak hipotesis
awal (H0).
Contoh :

Titik Kritis, (menggunakan nilai tabel Z atau t)

Arah Pengujian Hipotesis

1 Arah
atau

Titik Kritis (C) : Z < - Z

t < - t

Titik Kritis (C) : Z > Z

t > t

p.s : tidak dibagi 2, karena seluruh daerah penolakan

diletakkan pada 1 sisi selang

Arah Pengujian Hipotesis

2 Arah

/2

/2
C

Titik Kritis (C) : Z < - Z/2

t < - t/2

0
dan

Titik Kritis (C) : Z > Z/2

t > t/2