UJIAN HIPOTESIS

- Hipotesis statistik adalah sesuatu pernyataan tentang taburan populasi.

- Terdapat 2 keadaan : Hipotesis Nol (H0)dan Hipotesis Alternatif (HA)
-Hipotesis Nol (H0) : - merupakan satu hipotesis yang menyatakan tiada perbezaan
antara dua populasi yang dibandingkan
- kerap dipanggil hipotesisi statistik
- statistik inferensi digubalkan untuk mengenalpasti kebarangkalian
hipotesis nul tidak benar atau palsu
- sekiranya hipotesis nul tidak benar maka pengkaji boleh membuat
kesimpulan bahawa wujud perbezaan di antara dua kumpulan
- Hipotesis nul dan alternatif adalah ditetapkan berlawanan antara satu sama lain.
Hipotesis alternatif biasanya mengandungi persoalan penyelidikan dan hipotesis nul
boleh dilihat sebagai perundingan terhadap hipotesis alternatif.
- Satu sampel diambil daripada populasi dan maklumat dianalisiskan. Jika maklumat itu
tidak konsisten dengan hipotesis H0, maka ia ditolak. Kalau konsisten, maka ia diterima.
- Jika hipotesis itu diterima tidak semestinya bererti bahawa hipotesis itu benar. Ia hanya
bermaksud maklumat yang dikumpulkan itu tidak menyokong penolakannya..
Tindakan

Keadaan yang sebenarnya

H0 benar

HA benar

Terima H0

Kesalahan II

Terima HA

Kesalahan I

METODOLOGI UJIAN HIPOTESIS

Langkah di dalam Ujian Hipotesis:
Kebanyak penyelidik akan mengikuti langkah-langkah berikut apabila menguji hipotesis:

Menetapkan hipotesis: menyatakan hipotesis nul dan alternatif.

Menentukan ujian statistik dan taburan persampelan yang sesuai.

Menentukan kadar ralat Jenis I.

Menyatakan peraturan keputusan.

Memungut data

Mengira nilai ujian statistik

Menyatakan kesimpulan statistik.

Membuat keputusan pengurusan.

Biasanya pada peringkat ini hipotesis nol akan mengandungi tanda = manakala
hipotesis alternatif akan mengandungi salah satu daripada tanda > atau < atau .
Terdapat dua jenis pengujian hipotesis iaitu ujian satu hujung dan ujian dua hujung.
Ujian Satu Hujung

Ujian Dua Hujung

Hipotesis alternatif mengandungi tanda > /

Hipotesis alternatif mengandungi tanda

< iaitu H1 adalah satu hala. Misalnya

iaitu H1 adalah dua hala. Misalnya

(i) H0 : = 0

(i) H0 : = 0

H1 : > 0

H1 : 0

(ii) H0 : = 0
H1 : < 0

Contoh:

Min hayat bateri biasa untuk jam tangan adalah 1000jam. Seorang pengusaha hendak
menguji samaada bateri yang baru dikeluarkan oleh kilangnya mempunyai min hayat
yang lebih lama.
Penyelesaian : Katakan min hayat bateri adalah jam.
H0 : = 1000 ( tiada perbezaan antara min hayat bateri baru
dan bateri biasa )
H1 : > 1000 ( min hayat bateri baru lebih daripada min hayat
bateri biasa )
Kawasan Penerimaan dan Penolakan
Selepas menentukan hipotesis nul dan alternatif, penyelidik boleh menetapkan
peraturan keputusan untuk menentukan sama ada hipotesis nul untuk ditolak atau tidak.
Apabila H0 ditolak maka secara automatik kita akan menerima H1. Dalam pengujian
hipotesis, kita akan menganggapkan H0 benar, ini adalah analogi dengan pembicaraan
dalam mahkamah yang mana
H0 : orang yang dituduh tidak bersalah
H1 : orang yang dituduh bersalah
Orang yang dituduh tidak bersalah kecuali ada bukti yang cukup untuk menunjukkan
sebaliknya. Dalam pengujian hipotesis H0 ditolak, bermakna H0 adalah salah dan H0
diterima(atau gagal menolak H0 ) apabila tiada bukti yang cukup untuk memutuskan ia
adalah salah.
Jadual berikut menunjukkan rantau genting bagi tiga bentuk hipotesis alternatif yang
telah dibincangkan.

Ujian satu hujung

Tanda dalam

>

Ujian dua hujung

<

hipotesis alternatif
Rantau genting
(tolak H0)
Nilai genting
(terima H0)

Setiap kawasan penolakan adalah dibahagi daripada kawasan lain taburan oleh
titik yang dipanggil sebagai nilai kritikal. Jika keputusan daripada data menghasilkan nilai
yang dikira didalam kawasan penolakan diluar nilai kritikal, hipotesis nul adalah ditolak.
Jika bahagian lain taburan, dimana bukan didalam kawasan penolakan, ia dipanggil
sebagai kawasan bukan penolakan.
Nilai genting bagi suatu statistik ujian adalah nilai yang terletak pada sempadan
rantau genting. Nilai genting akan mengasingkan rantau genting dengan nilai-nilai lain.
Terdapat 2 jenis ralat dalam suatu pengujian hipotesis iaitu ralat jenis I dan ralat jenis II.
Ralat jenis I berlaku jika H0 ditolak apabila H0 adalah benar
Ralat jenis II berlaku jika H0 diterima apabila H0 adalah palsu

UJIAN SATU MIN

Satu daripada ujian hipotesis yang asas ialah ujian berkaitan min populasi. Penyelidik
mungkin berminat didalam ujian untuk menentukan sama ada menubuhkan atau

menerima nilai min bagi industri adalah benar. Atau penyelidik mungkin berminat
didalam pengujian nilai min untuk teori atau keluaran baru. Ujian bagi min populasi
tunggal boleh digunakan untuk memperolehi salah satu daripada objektif tersebut.
Formula 9.1 boleh digunakan untuk menguji hipotesis berkenaan min populasi tunggal
jika saiz sampel adalah besar (n 30). Formula yang sama juga boleh digunakan untuk
saiz sampel yang kecil (n < 30) jika X adalah bertaburan normal dan diketahui.
Satu kajian terhadap jurutera di seluruh Malaysia mendapati purata pendapatan
bersih tahunan ialah RM74,914. Oleh kerana kajian telah dijalankan 5 tahun lepas,
katakan Persatuan Jurutera hendak menguji angka ini dengan mengambil sampel rawak
112 orang jurutera di Malaysia untuk menentukan sama ada pendapatan bersih tahunan
telah berubah sejak bancian tersebut dijalankan. Penyelidik perlu menggunakan lapan
langkah ujian hipotesis untuk melakukannya. Andaikan sisihan piawai pendapatan
bersih populasi bagi jurutera ialah RM14,530.

Ujian Z untuk Min Tunggal

(9.1)

X-

Langkah 1: Hipotesis mesti dibentuk. Oleh kerana penyelidik adalah menguji untuk
menentukan sama ada angka tersebut telah berubah, hipotesis alternatif adalah min
pendapatan bersih bukannya RM74,914. Hipotesis nul adalah min masih sama
RM74,914. Hipotesis tersebut dinyatakan sebagaimana berikut:

H0: = RM74,914
Ha: RM74,914

Langkah 2:

Menentukan ujian statistik dan taburan persampelan yang bersesuaian.

Disebabkan saiz sampel lebih besar daripada 30 (n = 112) dan penyelidik
menggunakan min sampel sebagai statistik, ujian Z didalam Formula 9.1
adalah ujian statistik yang bersesuaian.
Z

Langkah 3:

Menentukan

kadar

X-

ralat Jenis I, atau alpha, dimana ia adalah 0.05 didalam masalah ini.
Langkah 4:

Menyatakan
hujung

peraturan keputusan. Disebabkan ujian adalah dua

2

dan alpha ialah

0.05, maka atau 0.025 adalah kawasan

didalam setiap hujung taburan. Oleh itu, kawasan penolakan adalah

didua hujung taburan dengan keluasan 2.5% setiap satunya. Terdapat
0.4750 di antara min dan setiap nilai kritikal dipisahkan disetiap hujung
taburan (kawasan penolakan) daripada bukan kawasan penolakan.
Dengan menggunakan keluasan 0.4750 ini dan Jadual A.1, nilai kritikal Z
boleh diperolehi.
Z/2 = 1.96
Rajah 9.6 menunjukkan masalah dengan kawasan penolakan dan nilai
kritikal Z. Peraturan keputusan adalah jika data yang diperolehi
menghasilkan nilai Z lebih besar daripada 1.96 atau lebih kecil daripada
-1.9, ujian statistik adalah didalam satu daripada kawasan penolakan dan
keputusan adalah menolak hipotesis nul. Jika nilai Z yang dikira daripada
data terletak di antara 1.96 dan +1.96, keputusannya ialah tidak
menolak hipotesis nul disebabkan nilai Z yang dikira adalah terletak
didalam kawasan bukan penolakan.

Rajah 9.6
Contoh Pendapatan Bersiah CPA

Langkah

Kawasan

Kawasan

Penolakan

Penolakan

5:

Bukan Kawasan
=0.025

/2=0.025

Langkah 6:

Penolakan

2
Memungut data. Katakan
112 orang pekerja telah memberikan maklum

balas dan menghasilkan min RM78,695.

Nilai ujian statistik adalah X dikira

dengan

menggunakan

RM78,695, n = 112, = RM14,530, dan hipotesis = RM74,914.

Z
Langkah

7:

(78,965 - 74,914)
2.75
14,530

112

Disebabkan ujian statistik ini, Z = 2.75, lebih besar daripada nilai

kritikal Z dibahagian hujuang atas taburan, Z = +1.96, kesimpulan statistik
dicapai dengan menolak hipotesis nul.
Langkah 8:

Membuat kesimpulan pengurusan. Apakah yang dimaksudkan dengan

keputusan tersebut? Secara statistik, penyelidik mempunyai bukti yang
mencukupi untuk menolak angka RM74,914 sebagai purata pendapatan
negara yang benar untuk pekerja. Walaupun penyelidik menjalankan
ujian dua hujung, bukti yang diperolehi menunjukkaan purata pendapatan
telah meningkat. Min sampel RM78,695 adalah RM3781 lebih tinggi
daripada min pendapatan bersih yang diuji. Penyelidik boleh membuat
kesimpulan bahawa purata pendapatan adalah lebih tinggi daripada
sebelumnya, tetapi disebabkan RM78,695 hanyalah min sampel, maka
tidak ada jaminan bahawa min pendapatan bersih populasi adalah lebih
RM3781. Jika selang keyakinan dijalankan dengan data sampel,

RM78,695

adalah

penganggaran

titik.

Lain-lain

sampel

mungkin

menghasilkan min sampel yang berbeza. Secara pengurusan, penemuan

statistik mungkin bermakna pekerja-pekerja mungkin lebih mahal untuk
diupah sama ada sebagai pekerja separuh masa atau spakar runding. Ini
mungkin bermakna perkhidmatan perundingann telah meningkatkan
harganya. Penemuan seperti ini boleh memberikan motivasi kepada
pekerja tersebut untuk menuntut kenaikan gaji.
UJIAN PERBEZAAN ANTARA DUA MIN POPULASI
data daripada kedua-dua populasi mengikut taburan normal atau hampir
normal;
saiz sampel kecil (n1< 30 dan n2 < 30);
kedua-dua sampel adalah tak-bersandar; dan
sisihan piawai data daripada kedua-dua populasi diandaikan sama

Contoh:
Membandingkan sikap pelajar tingkatan1 dengan pelajar tingkatan 3 terhadap
persekolahan. Maka pengkaji memilih secara rawak sampel pelajar yang mewakili
tingkatan 1 dan tingkatan 6.
- Min sikap pelajar tingkatan 1 ialah 30
- Min sikap pelajar tingkatan 3 ialah 36
Bolehkah pengkaji membuat keputusan bahawa sikap pelajartingkatan 3 adalah lebih
positif daripada sikap pelajar tingkatan 1?
Dalam membuat keputusan, pengkaji perlu mengambil kira ralat persampelan.
Maka, min populasi kedua-dua kumpulan pelajar dianggarkan dan dibandingkan dan
seterusnya mencari kebarangkalian bahawa min populasi antara kedua dua kumpulan
adalah benar-benar berbeza.

Jika

2 min sampel rawak tak bersandar, maka dengan

x1 dan adalah
x2

1 = min populasi 1

n1 = saiz sampel populasi 1

2 = min populasi 2
12 = varians populasi 1
22 = varians populasi 2

n2 = saiz sampel populasi 2

= min x1 sampel 1
= min sampel 2

Andaian yang penting untuk hipotesis selisih min saiz sampel besar ialah kedua-dua
sampel daripada kedua-dua populasi perlulah dipilih secara rawak dan tidak

bersandar.
Saiz sampel n1 dan n2 mestilah cukup besar supaya masing-masing menghampiri
taburan normal, maka s12 dan s22 akan menjadi penganggar terbaik bagi 12 dan

22.
Untuk itu syarat n1 30 dan n2 30 perlulah dipenuhi.

Hipotesis nul ialah H0 : 1 - 2 = = 0 dengan statistik ujian

Nilai di dalam statistik ujian diperolehi drpd H0

Kebiasaannya nilai 1 dan 2 tidak diketahui, oleh itu kita gantikan dengan

kerana s1 dan s2 merupakan penganggar terbaik bagi 1 dan 2

UJIAN PERKADARAN POPULASI

Di dalam membuat pentakbiran

berkaitan perbezaan di dalam dua

perkadaran populasi, biasanya statistik yang digunakan ialah perbezaan didalam

perkadaran sampel: . Statistik ini adalah dikira dengan mengambil sampel rawak
dan menentukan bagi setiap sampel untuk ciri-ciri yang diminati; kemudian mengira
perbezaan didalam perkadaran sampel ini.

Teorem

had

memusat

menyatakan

untuk

sampel

bersaiz

besar (setiap , , , dan >5 dimana , perbezaan didalam perkadaran sampel adalah
bertaburan normal dengan perbezaan min

dan sisihan piawai perbezaan didalam perkadaran sampel ialah

Dari maklumat ini, Formula Z untuk perbezaan perkadaran populasi boleh

diperolehi.

Formula Z untuk Perbezaan didalam Dua Perkadaran Populasi

(10.12)
Di mana
= perkadaran darai sampel 1
= perkadaran dari sampel2
n1 = saiz sampel 1

n2 = saiz sampel 2
P1 = Perkadaran populasi 1
P2 = Perkadaran populasi 2
Q1 = 1 P 1
Q2 = 1 P 2

Denominator Formula

10.12 ialah sisihan piawai perbezaan

didalam dua perkadaran sampel dan menggunakan perkadaran populasi

didalam pengiraannya.

Walau bagaimanapun, perkadaran populasi adalah

tidak diketahui, oleh itu anggaran sisihan piawai perbezaan didalam dua
perkadaran populasi adalah dibuat dengan menggunakan perkadaran sampel
sebagai titik penganggaran perkadaran populasi. Perkadaran sampel adalah
digabungkan dengan menggunakan purata wajaran untuk menghasilkan ,
dimana didalam hubungan dengan

dan saiz sampel menghasilkan titik

penganggaran bagi sisihan piawai perbezaan didalam perkadaran sampel.

Keputusannya ialah Formula 10.13, yang akan kita gunakan untuk

menguji hipotesis berkaitan dua perkadaran populasi.

Formula Z untuk Menguji Perbezaan Perkadaran Populasi

(10.13)
dimana

Z
P

(p 1 - p 2 ) - (P1 - P2 )
1
1

nn11p1 nn2 2p 2

(P .Q )

X1 X 2

n1 n 2

Q 1- P

n1 n 2

UJIAN VARIANS POPULASI( SISIHAN PIAWAI)

Pertimbangkan satu sampel bersiaz n iaitu X 1 ,X2,

...........,

Xn yang dipilih secara rawak

daripada suatu populasi yang nilai min tidak diketahui. Kita hendak menguji samaada
sampel tersebut diambil daripada populasi dengan min 0 (pemalar tertentu ) atau tidak.
Hipotesis nol yang terlibat adalah H0 : = 0 dan terdapat 3 jenis hipotesis alternatof
iaitu:
(i) > 0
(ii) < 0
(iii) = 0

Dua situasi akan dibincangkan dalam bahagian ini:

(a) varians populasi diketahui, pengetahuan adalah berdasarkan pengalaman

(b) Varians populasi tidak diketahui dan saiz sampel itu besar

UJIAN NISBAH BAGI DUA POPULASI

Di bawah merupakan dua sampel ujian z untuk menetukan samaada dua populasi
ini sama atau tidak sama. Terdapat 3 kemungkinan:
1. H0 : 1 = 2

HA : 1 2

2. H0 : 1 2

H0 : 1 < 2

3. H0 : 1 2

H0 : 1 > 2

Jadual yang tercantum dibawah ini memuat berbagai nilai statistik yang digunakan
untuk menguji hipotesis nol H0 mengenai rata-rata dua populasi, berikut wilayah
kritis untuk hipotesis alternatif H1 yang bersifat satu atau dua arah.

Pengujian Hipotesis Rata-rata Dua Populasi

Keterangan:
v = derajat bebas dari sebaran t

Contoh :
Seorang pengamat masalah sosial berpendapat bahwa terdapat perbedaan
rata-rata usia perkawinan pertama diantara wanita bekerja dan wanita tidak
bekerja. Berdasarkan contoh dari suatu daerah perkotaan yang terpilih secara
acak diantara kedua kelompok wanita tersebut diperoleh data sebagai berikut:

Jika digunakan taraf uji 5% untuk pengujian pendapat tersebut, maka

perhitungan statistiknya adalah :
1.

Hipotesis, misalkan kelompok wanita bekerja adalah Xi dan kelompok wanita

tidak bekerja adalah Yi, maka hipotesisnya adalah:

2. Taraf uji a = 0,05

3. Statistik uji
Kerana ukuran contoh yang ditarik dari masing-masing populasi
berukuran
besar, maka walaupun nilai varian populasi usia perkawinan pertama
tidak diketahui,
dapat dilakukan pendugaan nilai melalui varian contohnya, Iaitu 1 dan 2 tahun.

4. Daerah kritis, dari tabel normal baku diperoleh Z 0,05/2 = 1,96.

5. Keputusan, kerana Z> Z jadual , maka diputuskan tolak H0.
6. Kesimpulan
Dengan demikian, berdasarkan data sampel tersebut dapat disimpulkan
bahawa memang terdapat perbedaan rata-rata usia perkawinan pertama
diantara wanita bekerja dan tidak bekerja.