Revisi - Tugas Hipotesis - Gema Zacky Arbi - 25315011 PDF

Tugas Hipotesis_Gema Zacky Arbi_25315011
Pengujian Hipotesis
Menurut Sudjana (1990) Hipotesis adalah dugaan sementara mengenai suatu hal yang
perlu di uji untuk dapat menjelaskan suatu populasi melalui sekelompok sampel yang terukur.
Dugaan yang digunakan untuk menaksirkan parameter populasi disebut Hipotesis Statistik (H0).
Pengujian Hipotesis merupakan metode statistika untuk membantu dalam penarikan kesimpulan
dengan menentukan menolak hipotesis statistik atau gagal menolak hipotesis statistik (H0). Oleh
karena itu diperlukan hipotesis tandingan sebagai konsekuensi penolakan (H0) yaitu Hipotesis
Alternatif (H1).
Bila yang di uji adalah parameter (dalam penggunaannya nanti bisa rata-rata ,
proporsi , simpangan baku , dll) menurut Irianto (2010) akan beberapa kemungkinan:
1. Hipotesis 2 Arah
H0 : = 0 ; tidak ada beda signifikan parameter dengan 0.
H1 : 0 ; ada beda signifikan parameter dengan 0.
Contoh 1: Produk air minum dalam kemasan merk tertentu dengan kemasan gelas dicantumkan berisi air
dengan volume 220 mL. Produk ini akan dianggap baik apabila volume airnya tidak lebih
dan tidak kurang dari 220 mL. Dari pemeriksaan terhadap 50 contoh produk ini didapatkan
rata-rata volume airnya 218 mL. Diketahui volume air produk tersebut menyebar normal
dengan simpangan baku sebesar 2.5 mL dan =5%. Tentukan H0 dan H1 nya!
Jawab : H0 : = 220 mL
H1 : 220 mL
2. Hipotesis 1 Arah
H0 : 0 ; kondisi parameter paling tidak akan lebih dari atau sama dengan keadaan
awalnya.
H1 : < 0 ; kondisi parameter telah berkurang dari keadaan awalnya.
Contoh 2: Sebuah perusahaan farmasi berniat untuk melihat tingkat produktivitas karyawannya dengan
menghitung berapa unit barang yang dihasilkan oleh seorang karyawan dalam sehari.
Sebanyak 18 orang karyawan dipilih secara acak dan didapat data produktivitasnya sebagai
berikut:
5, 6, 8, 4, 7, 5, 6, 7, 4, 6, 7, 7, 5, 6, 7, 5, 6, 7
Apakah benar bahwa produktivitas karyawan adalah 5.7 unit perhari ( = 5%) (n=18).
Tentukan H0 dan H1 nya saja!
Jawab: H0 : 5.7 ; produktivitas lebih dari sama dengan 5.7
H1 : < 5.7 ; produktivitas kurang dari 5.7
H0 : 0 ; kondisi parameter paling tidak akan kurang dari atau sama dengan keadaan
Awalnya.
Page 1

H1 : > 0 ; kondisi parameter telah bertambah dari keadaan awalnya.
Contoh 3: Berdasarkan penelitian terhadap 25 pohon jeruk di kebun percobaan diperoleh rata-rata
banyaknya buah pada saat panen adalah 23 buah dengan simpangan baku 4 ( =5%).
benarkah pernyataan bahwa rata-rata banyaknya buah kurang dari 24 buah? Tentukan H 0 dan
H1 nya saja!
Jawab: H0 : 24 ; banyak buah kurang dari sama dengan 24
H1 : > 5.7 ; banyak buah lebih dari 24
Setelah Hipotesis ditentukan, untuk mengujinya kita harus menentukan bentuk statistik
mana yang harus digunakan zhit, thit, x2 atau lainnya. Bila data populasi terdistribusi normal
digunakan dua jenis distribusi, yaitu distribusi-z dan distribusi-t. Sudjana (1990) menjelaskan
bila
(simpangan baku populasi) diketahui maka digunakan distribusi-Z
Z hitung
x 0
x = Rata-rata sampel
= Simpangan baku populasi
0 = Rata-rata sampel
n = jumlah sampel
Untuk uji hipotesis 2 arah tolak H0 bila |zhit| z
(1-),
dengan z
(1-)
di dapat dari
tabel distribusi-z dan peluang (1-).

Untuk uji hipotesis 1 arah
Bila H1: > 0, maka akan tolak H0 bila zhit z( -), dengan z ( -) di dapat dari tabel
distribusi-z dan peluang ( - ).
Bila H1: < 0, maka akan tolak H0 bila zhit -z( -), dengan z( -) di dapat dari
tabel distribusi-z dan peluang ( - ).
(simpangan baku populasi) tidak diketahui maka digunakan distribusi-t

t hitung
x 0
s
n
x = Rata-rata sampel
s = Simpangan baku sampel
0 = Rata-rata sampel
n = jumlah sampel
Untuk uji hipotesis 2 arah tolak H0 bila |thit| t
(1-),
dengan t
(1-)
di dapat dari
tabel distribusi-t dan peluang (1-) dan db = (n-1).

Untuk uji hipotesis 1 arah
Bila H1: > 0, maka akan tolak H0 bila thit t (1 -), dengan t (1 -) di dapat dari tabel
distribusi-t dan peluang (1-) dan db = (n-1).
Page 2

Bila H1: < 0, maka akan tolak H0 bila thit -t (1 -), dengan t (1 -) di dapat dari tabel
distribusi-t dan peluang (1-) dan db = (n-1).
Sebelum kita lanjutkan ke langkah selanjutnya dalam pengujian hipotesis kita harus paham apa
yang dimaksud hipotesis 2 arah dan 1 arah. Hal lain yang juga menjadi penting adalah cara
membaca tabel distribusi-z dan distribusi-t.
1. Hipotesis 2 Arah
Bila H1 : 0, terdistribusi normal, luas daerah kritis terletak masing-masing pada
ujung distribusi. Luas daerah kritis pada tiap ujung adalah /2. Karena terdapat dua daerah
penolakan atau daerah kritis, maka disebut hipotesis 2 arah (Sudjana, 1990).
(Sumber: Sudjana, 1990)

H0 gagal ditolak / H0 diterima jika harga statistiknya jatuh di antara d1 dan d2.
2. Hipotesis 1 Arah
Bila H1 : > 0, terdistribusi normal, luas daerah kritis terletak pada ujung kanan distribusi.
Luas daerah kritisnya adalah . Karena terdapat satu sisi daerah penolakan atau daerah kritis,
maka disebut hipotesis 1 arah tepatnya arah kanan (Sudjana, 1990).
.
Page 3
Bila H1 : < 0, terdistribusi normal, luas daerah kritis terletak pada ujung kiri distribusi. Luas
daerah kritisnya adalah . Karena terdapat satu sisi daerah penolakan atau daerah kritis, maka
disebut hipotesis 1 arah tepatnya arah kiri (Sudjana, 1990).
3. Cara Membaca Tabel Distribusi-z

Ambil kasus contoh 3 di mana =5% dan merupakan uji 1 arah yaitu arah kanan. Untuk
mendapat nilai z ( -) maka - 0,05 = 0,450 lalu lihat tabel distribusi-z (Sudjana, 1990).
Page 4

Maka akan di dapat nilai z ( -) = 1,65.
4. Cara Membaca Tabel Distribusi-t

Ambil kasus contoh 2 di mana =5%, tidak diketahui dan merupakan uji 1 arah yaitu
arah kiri. Untuk mendapat nilai t (1 -) dengan db = (n-1) maka 1 - 0,05 = 0,95 dan db = 18-1= 17,
lalu lihat tabel distribusi-t (Sudjana, 1990).
Page 5
Maka didapat nilai t (1 -) = 1,71.
Pengujian Hipotesis Satu Sample

Pada uji hipotesis satu sample terdapat uji hipotesis 1 arah dan 2 arah di mana terdapat
kasus diketahui dan tidak diketahui. Pengujian ini bertujuan untuk menguji apakah nilai
parameter dari suatu populasi adalah sesuai dengan suatu nilai.
Page 6
n>30 atau diketahui dan distribusi n 30 dan tidak diketahui

normal
Dua Arah
Tolak H0 bila |zhit| z (1-)
Tolak H0 bila |thit| t (1-)
Satu Arah
tolak H0 bila zhit z( -)
tolak H0 bila thit t (1 -), db = (n-1).
tolak H0 bila zhit -z( -)
tolak H0 bila thit -t (1 -), db = (n-1).
Kanan
Satu Arah
Kiri
(Sumber: Walpole, 1992)
Berikut contoh kasus yang diambil dalam buku karya Sudjana (1990),
Contoh 1: Uji Hipotesis 2 Arah, diketahui
Produk air minum dalam kemasan merk tertentu dengan kemasan gelas dicantumkan
berisi air dengan volume 220 mL. Produk ini akan dianggap baik apabila volume
airnya tidak lebih dan tidak kurang dari 220mL. Dari pemeriksaan terhadap 50
contoh produk ini didapatkan rata-rata volume airnya 218 mL. Diketahui volume air
produk tersebut menyebar normal dengan simpangan baku sebesar 2.5mL dan =5%.
Kesimpulan apa yang akan diambil!
Jawab :
n = 50
x = 218 mL = 2,5 mL
= 0,05
H0 : = 220 mL
H1 : 220 mL
(1-0,05) = 0,475
zhit = (218-220) / (2,5/ 50) = -5,6;
|zhit| = 5,6;
z (1-) = z 0,475 = 1,96
Karena |zhit| > z (1-) ; 5,6 > 1,96 maka H0 ditolak ; Belum cukup bukti untuk
menyatakan produk ini baik.
Contoh 2: Uji Hipotesis 1 Arah, tidak diketahui

Sebuah perusahaan farmasi berniat untuk melihat tingkat produktivitas karyawannya
dengan menghitung berapa unit barang yang dihasilkan oleh seorang karyawan dalam
sehari. Sebanyak 18 orang karyawan dipilih secara acak dan didapat data
produktivitasnya sebagai berikut :
Page 7

5, 6, 8, 4, 7, 5, 6, 7, 4, 6, 7, 7, 5, 6, 7, 5, 6, 7
Apakah benar bahwa produktivitas karyawan adalah 5.7 unit perhari ( = 5%) (n=18).
Jawab:
n = 18;
x = 6;
= 0,05 ;
1- = 1-0,05 = 0,95 ;
db = 18-1 = 17
H0 : 5.7 ; produktivitas lebih dari sama dengan 5.7

H1 : < 5.7 ; produktivitas kurang dari 5.7
S = (22/17) =1,294 = 1,13
thit = (6-5,7) / (1,13/ 18) = 1,126
tolak H0 bila thit -t
(1 -)
t0,95 = 1,71
; 1,126 > -1,71 maka H0 gagal ditolak/diterima ;
Produktivitas karyawan perusahaan tersebut 5,7 unit per hari.
Pengujian Hipotesis Dua Sampel

Banyak penelitian memerlukan perbandingan antara dua keadaan (populasi), misalnya
membandingkan dua cara produksi, pengaruh dua macam obat dan sebagainya. Pasangan
hipotesis statistik dan alternatifnya yang akan diuji adalah
H0; 1 = 2
H1; 1 2
Untuk itu kita bedakan hal-hal berikut:
a. Bila 1 = 2 = dan diketahui
b. Bila 1 = 2 = tapi tidak diketahui
c. Bila 1 2 dan tidak diketahui
Page 8

Kasus Diketahui
Buntuk Hipotesis
Wilayah Kritik
H0 : 1 = 2
Tolak H0 bila
H1 : 1 2
|zhit| z 1/2(1-)
H0 : 1 2
tolak H0 bila
H1 : 1 > 2
zhit -z ( -)
Ho : 1 2
tolak H0 bila
H1 : 1 < 2
zhit z( -)
Statistik Uji

Contoh:
Dua jenis bola lampu (jenis A dan B) dites masa layannya. Pada lampu A diambil 35 contoh dan
lampu B 32 contoh. Rerata umur lampu A adalah 2800 jam dan lampu B 2750 jam. Informasi
dari pabrik bahwa simpangan baku lampu A = 200 jam dan B = 180 jam. Apakah kedua lampu
mempunyai masa layan yang sama (=5%)?
Jawab:
H0 ; 1 = 2
(1-) = 0,475
H0 ; 1 2
1 = 200
2 = 180
n1 = 35
|zhit| = (2800-2750) / 46,43 = 1,08
n2 = 32
x 1 = 2800
x 2 = 2750
z (1-) = 1,96
Karena 1,08 < 1,96 maka H0 gagal ditolak; tidak ada beda signifikan antara lampu A dan lampu
B (1 = 2).
Page 9

Kasus Tidak Diketahui
1 = 2
Bentuk
t hitung
Hipotesis
1 2
x1 x2
1 1
s gab
n1 n2
t hitung
H0 : 1 = 2
H0 tolak bila
H0 ditolak bila
H1 : 1 2
|thit| t (1- ) ;
|thit| w1.t1 + w2.t2
db = (n1+n2-2)
x1 x 2
s12 s 22
n1 n2
w1+w2
keterangan:
w1 = s12/n1; t1 = t(1-1/2), db = (n1-1)
w2 = s22/n2; t2 = t(1-1/2), db = (n2-1)
H0 : 1 2
H0 tolak bila
H0 ditolak bila
H1 : 1 > 2
t t (1-) ; db (n1 + n2 -2)
thit w1.t1 + w2.t2

w1+w2
Ho : 1 2
H0 tolak bila
H0 tolak bila
H1 : 1 < 2
t -t (1-) ; db (n1 + n2 -2)
thit _ w1.t1 + w2.t2

w1+w2
s gab
(n1 1) s12 (n2 1) s22

n1 n2 2

Contoh
Semacam barang dihasilkan dengan menggunakan dua proses. Ingin dicari tahu apakah kedua
proses menghasilkan hasil yang sama ditinjau dari daya tekannya. Untuk itu diadakan percobaan
sebanyak 20 dari proses ke 1 dan ke 2. Rata-rata dan simpangan bakunya untu proses ke 1 adalah
9,25 kg dan 2,24 kg, untuk proses ke 2 adalah 10,40 kg dan 3,12 kg. Jika varians kedua populasi
tidak sama, dengan taraf nyata 0,05, bagaimna hasilnya?
Page 10

Jawab:
H0 ; 1 = 2
db = 20-1 = 19
t1 = t (0,975) = 2,09
H0 ; 1 2
t2 = t (0,975) = 2,09
thit = (9,25-10,40)/ (((5,0176/20)+(9,7344/20)) = 1,339

w1 = 5,0176/20 = 0,2509
maka w1.t1 + w2t2
w2 = 9,7344/20 = 0,4867
= (0,2509 x 2,09) + (0,4867 x 2,09) = 2,09
w1+ w2
0,2509 + 0,4867
bila |thit| w1.t1 + w2t2 , maka H0 tolak. Ternyata 1,339 < 2,09 maka H0 gagal di tolak.
w1+ w2
Kedua proses menghasilkan daya tekan yang sama.
Pengujian Dua Sampel yang Tidak Bebas / Data Berpasangan

Pengujian dua sampel yang tidak bebas sebetulnya mempunyai prosedur yang hampir
sama dengan pengujian sampel yang bebas, namun seluruh data yang ada diperbandingkan satu
dengan yang lainnya, bukan hanya reratanya saja. Pengujian ini memiliki syarat kedua sampel
tersebut jumlah sampelnya sama (Sudjana, 1990).
Contoh:
Seorang ahli menemukan suatu alat baru untuk mengukur tingkat curah hujan. Untuk mengetahui
efektivitas alat tersebut kemudian dilakukan uji coba pada 10 lokasi dengan menggunakan alat
baru dan sebagai pembanding tingkat curah hujan juga dicatat mengunakan alat biasa. Tingkat
curah hujan (mm) pada ke 10 lokasi tersebut diperoleh sebagai berikut:
Lokasi
10
Lama
110
120
135
101
80
95
70
130
115
120
Baru
105
115
140
110
90
80
75
125
110
125
Page 11

Lakukan pengujian untuk mengetahui apakah kedua alat tersebut berbeda dalam mengukur
tingkat curah hujan (uji pada taraf nyata 5%)!
Untuk menyelesaikan contoh kasus di atas menurut Sudjana (1990) berikut adalah hal yang perlu
kita pahami,
H0
Statistik uji
thit
d = 0
d
sd / n
H1
Wilayah Kritik
d < 0
Tolak H0 bila thit < t (1-) ; db = (n-1)
d > 0
Tolak H0 bila thit > t(1-) ; db = (n-1)
d 0
Tolak H0 bila thit < -t(1-1/2) dan thit > t(1-1/2) ; db = (n-1)
Keterangan
d = perbedaan setiap pasang sempel
d = rata-rata d
sd = simpangan baku sampel d

n = banyak sampel
Persamaan yang digunakan adalah
Dengan informasi ini maka jawaban dari contoh kasus di atas adalah
Lokasi
10
Lama
110
120
135
101
80
95
70
130
115
120
Baru
105
115
140
110
90
80
75
125
110
125
10
15
d2
25
25
25
81
100
225
25
25
25
25
H0 ; d = 0
H1 ; d 0
d = 6.9
(1- ) = 1-0.025 = 0,975
db = 10-1 = 9
sd = 3,41
thit = 6,9/(3,41/10) = 6,39
t (1- ) = 2,26
Page 12

Karena thit > t
(1- ),
maka tolak H0 ; kedua alat tersebut berbeda dalam mengukur tingkat curah
hujan.
`Analisis Varian
Varian untuk sekumpulan data ini melukiskan derajat perbedaan atau variasi nilai data
individu yang ada dalam kelompok atau kumpulan data tersebut.. Secara umum varian
digolongkan menjadi varian sistematik dan varian galat. Varian sistematik adalah varian
pengukuran karena adanya pengaruh sehinga nilainya condong pada arah tertentu. Salah satu
jenis varian sistemik dalam kumpulan data hasil penelitian adalah varian antar kelompok atau
disebut juga varian eksperimental. Varian ini menggambarkan adanya variasi sitemik antara
kelompok-kelompok hasil pengukuran (Walpole, 1992).
Misal kita hendak menguji perbedaan motivasi belajar siswa yang berasal dari tingkat
ekonomi rendah (A), menengah (B) dan atas (C). Dari masing-masing perangkat skor tersbut
diketahui rata-rata dan variansinya. Beberapa mungkin berpikir bahwa masalah tersebut dapat
diselesaikan dengan sejumlah pengujian dua rata-rata seperti uji-t, yaitu menguji rata-rata
pasangan AB, BC dan AC. Dengan cara tersebut ada tidaknya perbedaan rata-rata ketiga
populasi tersebut dapat diketahui. Ini berarti perlu dilakukan uji-t berulang kali yang dapat
menjerumukan peneliti melalui peningkatan resiko kekeliruan (Sudjana, 1990).
Dalam kasus ini analisis varians memberikan cara penyekatan keragaman total hasil
menjadi beberapa komponen, pertama mengukur keragaman yang disebabkan galat percobaan
saja, ke dua mengukur galat percobaan dan keragaman yang berasal dari perbedaan tingkat
ekonomi. Bila hipotesis nol benar ( rata-rata motivasi dari tingkat ekonomi A, B dan C tidak
berbeda) maka kedua komponen itu memberikan masing-masing nilai dugaan bagi galat
percobaan. Dengan demikian kita mendasarkan uji kita pada perbandingan kedua komponen
tersebut dengan sebaran F (Walpole, 1992).
Perbedaan hasil antara kelompok yang keadaannya sama disebut galat percobaan (error).
Galat digunakan sebagai ukuran ketelitian. Sumber galat menurut Walpole (1992) antara lain,
Page 13

a. Adanya lingkungan yang tidak homogen. Biasanya pada percobaan di lapangan yang
lingkungannya tidak sama rata.
b. Ketidakcermatan dalam penyelengaraan percobaan
Walpole (1992) menyatakan untuk merancang percobaan secara efektif ada tiga syarat pokok
yaitu
a. Ulangan (replication)
b. Pengacakan (randomization)
c. Pengelompokan (local control)
Ulangan
Perlakuan yang dilaksanakan lebih dari 1 kali dalam satu percobaan disebut ulangan.
Ulangan dilakukan untuk dapat menghitung galat percobaan dan mempertinggi tingkat ketelitian.
Tanpa ulangan maka galat tidak dapat dihitung sehingga dasar untuk menghitung rata-rata
hasilnya tidak ada. Makin banyak ulangan maka percobaan semakin teliti namun, pada saat yang
sama penyelenggaraannya akan semakin sulit dan semakin mahal. Maka perlu dicari tahu jumlah
ulangan minimum yang yang memberikan hasil teliti. Jumlah ulangan yang baik menurut
Walpole (1992) dapat ditentukan dengan persamaan berikut,
(r-1)x(t1)
r = ulangan
t = perlakuan
Pengacakan
Untuk mendapatkan hasil yang dapat dipercaya perlakuan dalam percobaan perlu
dilaksanakan secara random. Hal ini untuk menjaga perlakuan bebas dari bias yang disebabkan
oleh perbedaan lingkungan percobaan. Pengacakan dapat dilakukan dengan daftar acak atau
undian (Sudjana 1990).
Page 14

Pengelompokan
Untuk meningkatkan efisiensi percobaan maka besarnya galat perlu dikontrol. Makin
kecil galat maka makin baik. Menurut Walpole (1992) hal ini dapat dilakukan dengan
a. Membagi percobaan ke dalam beberapa kelompok.
b. Memperbaiki cara penyelenggaraan percobaan.
1. Analisis Varian Satu Parameter

Analisis varian satu parameter merupakan analisis untuk uji kesamaan beberapa rataan
secara sekaligus dengan klasifikasi pengamatannya berdasarkan kriteria treatment-nya (bisa satu
treatment atau beberapa treatment) saja tanpa melihat interaksi treatment yang satu dengan yang
lainnya. Dalam Walpole (1992), bila klasifikasi pengamatannya berdasarkan satu kriteria misal
tingkat ekonomi saja, disebut klasifikasi satu arah. Bila klasifikasi pengamatannya berdasarkan
dua kriteria misal tingkat ekonomi dan wilayah bermukim, disebut klasifikasi dua arah.
1.1 Klasifikasi Satu Arah (One way anava)
Klasifikasi satu arah dalam anava banyak dicontohkan pada rancangan penelitian seperti
rancangan acak lengkap.
Rancangan Acak Lengkap
Rancangan paling sederhana dan biasanya tidak merupakan bentuk paling efisien untuk
percobaan lapangan. Bentuk ini biasa dilaksanakan di laboratorium di mana kondisi
lingkungannya lebih terkontrol dan dapat dibuat homogen. Banyak perlakuan dapat berapa saja,
jumlah ulangan untuk tiap perlakuan tidak harus sama, walaupun lebih baik sama.
Pengelompokan tidak diperlukan. Keuntungan dari rancangan ini adalah sederhana dan fleksibel,
sementara kerugiannya kurang efisien, nilai galatnya pun lebih besar dibandingkan nilai galat
pada rancangan acak kelompok (Walpole, 1992).
Sebuah studi kasus pada buku karya Walpole (1992), misal kita membuat percobaan
varietas padi pada sebidang tanah yang kesuburannya merata. Tujuannya adalah untuk
membandingkan daya hasil 3 varietas padi unggul yang baru dengan varietas pembandingnya
Page 15

varietas Syntha, masing-masing diulang 5 kali. Untuk itu maka diperlukan petak 4x5 dan
dilakukan pengacakan sebagai berikut. Dengan taraf nyata 5 %.
B
Perlakuan
A = PB 5
C = C4-63
B = PB 8
D= Syntha
Model matematik dituiskan sebagai berikut
Xij = + i + ij
i = 1,2,.,4
j = 1,2,.,5
Xij
= nilai pengamatan perlakuan ke i dan ulangan ke j
= rata-rata umum
= pengaruh perlakuan ke i
ij
= galat
H0 ; 1 = 2 = 3 = 4
H1 ; paling sedikit ada satu yang tidak sama
Selanjutnya menyusun tabel sidik ragam

Sumber
Keragaman (SK)
Derajat Bebas
(db)
t-1
Jumlah
Kuadrat
(JK)
JKP
Kuadrat
Tengah
(KT)
JKP/(t-1)
Perlakuan
Galat
Total
Keterangan
t( r 1 )
(txr)-1
JKG
Txx
JKG/t(r-1)
Fhit
F tabel
KTP/(t-1)
KTG/t(r-1)
t = banyak perlakuan JKP = Jumlah Kuadrat Perlakuan KTP = Kuadrat Tengah perlakuan
r = banyak ulangan
JKG = Jumlah Kuadrat Galat
KTG = Kuadrat Tengah Galat
JKT = Jumlah Kuadrat Total

Page 16

Untuk analisis data hasilnya secara menyeluruh, perlu disusun sebagai berikut:
Ulangan
1
2
3
4
5
Total
Rata-rata
1
X11
X12
X13
X14
X15
X1.
x 1.
2
X21
X22
X23
X24
X25
X2.
x 2.
Perlakuan (i)
3
X31
X32
X33
X34
X35
X3.
x 3.
4
X41
X42
X43
X44
X45
X4.
x 4.
X
x
4
2,06
2,99
3,01
3,10
3,38
15,04
3,008
80,07
0,004
Hasil percobaan diuraikan dalam tabel berikut

Ulangan
1
2
3
4
5
Total
Rata-rata
1
4,55
5,01
5,23
5,62
4,91
25,32
5,064
2
4,26
4,52
3,23
4,57
3,51
20,09
4,018
Perlakuan (i)
3
4,15
4,02
3,67
4,14
3,64
19,62
3,924
Lalu cari tahu

Derajat Bebas (db)
db total = (4x5)-1 = 19
db varietas = 4-1 = 3
db galat = 4(5-1) =16
Faktor Koreksi (FK)

FK = X2 / n = (80,07)2 / 20 = 320,5605;
n = banyak sampel
Jumlah Kuadrat (JK)

JK total
= X2ij FK = 4,552 + 5,012 + +3,382 - 320,5605 = 13,3326
JK varietas
= ( (Xi.)2 / r) FK = ((25,322 + 20,092 + 19,622 + 15,042)/5) 320,5605

= 10,6108
JK galat
= JK total JK varietas = 2,7218
Kuadrat Tengah
KT varietas
= JK varietas / db varietas
= 3,53693
Page 17

KT galat
= JK galat / db galat
= 0,17011
Signifikansi Uji-F
Uji F = KT varietas
KT galat
= 3,53693
= 20,7920
0,17011
Ftabel dengan db total = 19 dan db perlakuan = db varietas = 3 dan taraf nyata 5% maka
Ftabel = 3,24 maka Fhit > Ftabel ; tolak H0; menunjukan antara varietas yang dicoba secara
umum terdapat perbedaan yang sangat nyata.
Dalam melaksanakan percobaan seringkali kehilangan beberapa pengamatan, misalnya

suatu percobaan ingin mengetahui apakah waktu kuliah yang berbeda memengaruhi nilai kuliah
yang diperoleh atau tidak. Jika ternyata saat pengambilan data ada mahasiswa yang
mengundurkan diri dari kuliah, maka banyak mahasiswa di setiap kelasnya akan berbeda. Contoh
kasus studi dalam buku karya Walpole (1992) akan menggambarkan situasi tersebut.
Misal, Mobil mahal dirakit lebih hati-hati dibandingkan dengan mobil murah. Untuk itu
diambil 3 tipe mobil, mobil mewah besar (A), mewah ukuran sedang (B) dan mewah ukuran
sedan (C), untuk diselidiki berapa banyak bagian yang cacat. Ketiganya diproduksi pabrik yang
sama. Berikut hasil pengambilan datanya
Page 18

Ulangan
Perlakuan (i)
B
5
1
3
5
3
4
21
A
4
7
6
6
1
2
3
4
5
6
Total
23
C
8
6
8
9
5
36
80
H0 ; 1 = 2 = 3
H1 ; paling sedikit ada satu yang tidak sama
Sumber
Keragaman (SK)
Derajat Bebas
(db)
t-1
Jumlah
Kuadrat
(JK)
JKP
Kuadrat
Tengah
(KT)
JKP/(t-1)
Perlakuan
Galat
Total
Keterangan
t( r 1 )
( t x r ) 1
JKG
JKT
JKG/t(r-1)
Fhit
F tabel
Pxx/(t-1)
Gxx/t(r-1)
t = banyak perlakuan
r = rata-rata banyak ulangan
JKP = Jumlah Kuadrat Perlakuan
KTP = Kuadrat Tengah Perlakuan
Lalu cari tahu

Derajat Bebas (db)
db total = (3x5)-1 = 14
db tipe mobil = 3-1 = 2
db galat = 3x(5-1) =12
Faktor Koreksi (FK)

FK = X2 / n = (80)2 / 15 = 426,667;
n = banyak sampel
Page 19

Jumlah Kuadrat (JK)
= X2ij FK = 42 + 72 + +52 - 426,667 = 65,333
JK total
JK tipe mobil = ( (Xi.)2 / ri) FK = ((232 / 4) + (212 / 6) + 362 / 5)) 426,667

= 38,283
= JK total JK varietas = 27,050
JK galat
Kuadrat Tengah
KT tipe mobil = JK varietas / db varietas
= 19,142
KT galat
= 2,254
Signifikansi Uji-F
Uji F = KT varietas
KT galat
= 19,142
= 8,49
2,254
Ftabel dengan db total = 14 dan db perlakuan = db tipe mobil = 2 dan taraf nyata 5% maka
Ftabel = 3,74 maka, Fhitung > Ftabel yang berarti tolak H0 dengan kesimpulan setidaknya ada 1
tipe mobil yang rata-rata bagian cacatnya tidak sama dengan rata-rata banyak bagian yang cacat
tipe mobil lainnya.
1.2 Klasifikasi Dua Arah (Two way anava)

Klasifikasi dua arah dalam anava banyak dicontohkan pada rancangan penelitian seperti
rancangan acak kelompok, di mana pengamatan dapat diklasifikasikan menurut dua kriteria
dengan menyusun data dalam baris dan kolom.
Rancangan Acak Kelompok
Dalam bentuk ini wilayah percobaan dibagi menjadi beberapa kelompok. Masing-masing
kelompok dibagi lagi dalam beberapa petak, yang banyaknya sama dengan perlakuan yang
dicoba. Masing-masing perlakuan hanya terdapat satu ulangan di setiap kelompok, sehingga
kelompok sering disebut juga ulangan. Adapun tujuannya adalah menjaga agar keragaman antara
perlakuan-perlakuan di dalam kelompok terjadi sekecil mungkin (Walpole, 1992).
Page 20

Manfaat rancangan ini dibanding rancangan acak lengkap adalah pembagian kelompok,
maka keragaman yang disebabkan oleh kelompok dapat disisihkan. Rancangan ini juga
menurunkan galat percobaan sehingga ketelitian lebih tinggi. Rancangan ini tidak cocok untuk
perlakuan dalam jumlah besar atau bila kelompok memiliki keragaman yang besar (Walpole,
1992).
Contoh kasus dalam buku karaya Walpole (1992), di suatu tempat dibuat percobaan guna
meneliti pengaruh pemupukan N, P, K terhadap hasil jagung varietas H-6. Banyak perlakuan ada
6, terdiri dari tanpa pupuk (0), N, P, NP, NK, NPK. Masing-masing perlakuan diulang 4 kali.
Berikut bagan percobaannya
1
B1
E1
A1
C1
F1
D1
E2
C2
A2
F2
D2
B2
A3
C3
B3
F3
D3
E3
A4
D4
F4
B4
E4
C4
Perlakuan : A = 0
B=P
C=N
Model Matematik: Xij = + i + j + ij
D = NP
E= NK
F = NPK
i = 1,2,.,4
j = 1,2,.,6
Xij
= nilai pengamatan perlakuan ke j dan ulangan ke i
= rata-rata umum
= pengaruh ulangan ke i
= pengaruh perlakuan ke j
ij
= galat
Page 21

H0 ; 1 = 2 = 3 = 4
H1 ; paling sedikit ada satu perlakuan pupuk yang memberikan hasil yang tidak sama
Kerangka sidik ragamnya
Sumber
Keragaman (SK)
Derajat Bebas
(db)
r1
Jumlah
Kuadrat
(JK)
JKU
Kuadrat
Tengah
(KT)
JKU/(r-1)
Ulangan
Perlakuan
t1
JKP
JKP/(t-1)
Galat
Total
Keterangan
( r 1) ( t 1 )
( rt ) - 1
JKG
JKT
JKG/(t-1)(r-1)
Fhit
F tabel
KTU
KTG
KTP
KTG
t = banyak perlakuan JKP = Jumlah Kuadrat Perlakuan KTP = Kuadrat Tengah Perlakuan
r = banyak ulangan
JKU = Jumlah Kuadrat Ulangan

KTU = Kuadrat Tengah Ulangan

Perlakuan
A.
B.
C.
D.
E.
F.
Total
(0)
(P)
(N)
(NP)
(NK)
(NPK)
1
X1A
X1B
X1C
X1D
X1E
X1F
X1.
2
X2A
X2B
X2C
X2D
X2E
X2F
X2.
Ulangan
3
X3A
X3B
X3C
X3D
X3E
X3F
X3.
4
X4A
X4B
X4C
X4D
X4E
X3F
X4.
Total
XA.
XB.
XC.
XD.
XE.
XF.
X
Rata-rata
x A.
x B.
x C.
x D.
x E.
x F.
Page 22

Hasil percobaan diuraikan dalam tabel berikut
Perlakuan
A.
B.
C.
D.
E.
F.
Total
1
0,87
2,26
1,6
2,58
2,60
2,75
12,65
(0)
(P)
(N)
(NP)
(NK)
(NPK)
2
0,57
1,95
1,22
2,52
2,42
2,52
11,21
Ulangan
3
1,17
2,52
2,16
2,70
2,01
2,86
13,42
Total
4
1,25
2,53
2,36
3,22
3,01
3,16
15,53
3,86
9,26
7,33
11,02
10.04
11,29
52,81
Rata-rata
0,96
2,32
1,83
2,76
2,51
2,82
Lalu cari nilai

Derajat Bebas (db)
= r 1 = 4-1 = 3
db galat
= ( r 1 ) ( t 1 ) = 15
db perlakuan = t 1 = 6-1 = 5
db total
= rt 1 = 24 1 = 23
db ulangan
Faktor Koreksi (FK)

FK
= (X)2 / n
= (52,81) 2 / 24 = 116,1820
Jumlah Kuadrat (JK)

JK total
= (Xij)2 FK
= 0,872 + 0,572 + . + 3,162 FK

= 128,4208 116,1820
JK ulangan
= 12,2388
= ( (Xi.)2 / t) FK = ((12,652 + ..+ 15,532) / 6) FK

= 117,8086 - 116,1820
= 1,6266
JK perlakuan = ( (Xj.)2 / t) FK = ((3,862 + ..+ 11,292) / 4) FK

= 126,0593 - 116,1820
JK galat
= JK total JK ulangan JK perlakuan
= 9,8773
= 0,7349
Page 23

Kuadrat Tengah (KT)
KT ulangan
= JK ulangan / db Ulangan
= 0,5422
KT perlakuan = JK perlakuan / db perlakuan
= 1,9755
KT galat
= 0,0490
Signifikansi Uji F
F ulangan
= KT ulangan / KT galat
= 11,07
F tabel = 3,29
F perlakuan
= KT perlakuan / KT galat
= 40,32
F tabel = 2,90
F ulangan > F tabel ; ulangan memberi hasil yang signifikan

F perlakuan > F tabel ; pemberian pupuk memberikan hasil yang signifikan
Tolak H0 ; Ada sedikitnya 1 pupuk yang memberikan hasil berbeda dengan perlakuan pupuk
yang lain.
2. Analisis Varian Dua Parameter

Pada Wilpole (1992), ini disebut dengan klasifikasi dua arah dengan interaksi. Klasifikasi
dua arah dengan interaksi dalam anava banyak dicontohkan pada rancangan penelitian seperti
rancangan acak kelompok faktorial, di mana pengamatan dapat diklasifikasikan menurut dua
kriteria dan dilihat pengaruh interaksi kedua kriteria tersebut.
Rancangan Acak Kelompok Faktorial
Dalam rancangan faktorial pengaruh 2 faktor atau lebih diselidiki secara bersama-sama.
Apabila pengaruh suatu faktor diperkirakan akan berubah menurut tingkat faktor tersebut,
percobaan akan sering menggunakan rancangan faktorial. Ciri khas rancangan faktorial adalah
susunan perlakuannya terdiri dari kombinasi lengkap antara tingkatan faktor-faktor yang diteliti.
Susunan perlakuan semacam itu memungkinkan untuk mempelajari pengaruh faktor yang satu
pada faktor yang lain (interaksi). Meskipun pengaruh interaksinya tidak nyata keuntungan masih
Page 24

diperoleh karena pengaruh masing-masing faktor dapat diteliti secara lebih luas di berbagai
tingkat faktor yang lain. Rancangan ini pun tidak menuntut lingkungan yang homogen seperti di
laboratorium sehingga dapat dilakukan di lapang (Walpole, 1992).
Kelemahan rancangan ini adalah dengan semakin banyaknya faktor yang diteliti dan
masing-masing faktor dicoba dalam beberapa kombinasi maka jumlah perlakuan menjadi banyak
sekali dan tidak praktis (Walpole, 1992).
Contoh kasus pada percobaan kali ini terdapat 4 varietas ubi jalar ( Prambanan, No. 57/1,
OP/JK7, Lokal) yang hendak diteliti mana yang hasil produksinya paling banyak. Pada ubi jalar
ini akan diberi perlakuan pupuk N dengan kadar yang berbeda-beda (0 g, 45 g, 90 g, dan 135 g)
sehingga akan diketahui kadar pupuk N berapakah yang menghasilkan produksi ubi yang efektif.
Selain itu akan dilihat apakah ada pengaruh kombinasi tertentu antara pupuk dan varietas yang
memberi hasil yang efektif.
Berikut Bagan Percobaannya
Ulangan 1
V1N0
V2N3
V3N0
V4N3
V1N1
V2N1
V4N0
V3N1
V1N2
V4N1
V3N3
V2N2
V1N3
V2N0
V3N2
V4N2
V.
= Varietas yang ke-
N.
= Dosis Nitrogen yang ke-
Ulangan 2
V3N1
V1N0
V4N0
V3N2
V2N2
V3N0
V1N3
V2N0
V1N1
V3N3
V2N1
V4N3
V4N1
V2N3
V1N2
V4N2
Ulangan 3
V2N0
V1N4
V3N3
V4N2
V2N3
V1N2
V4N1
V3N2
V2N2
V1N0
V3N0
V4N3
V1N3
V2N1
V3N1
V4N0
Page 25

Model matematik :
Xij = + i + j + k + jk + ijk
i = 1,2,.,3
j = 1,2,.,4
k = 1,2,.,4
Xij
= nilai pengamatan perlakuan ke j dan ulangan ke i
= rata-rata umum
= pengaruh kelompok ke i
= pengaruh varietas ke j
= pengaruh dosis N ke k
ik
= pengaruh interaksi varietas x dosis N
ijk
= galat
Hipotesis
1. H0 ; 1 = 2 = 3 = 4
H1 ; Setidaknya ada satu varietas yang memberikan hasil berbeda dengan yang lain.
2. H0 ; 1 = 2 = 3 = 4
H1 ; Setidaknya ada satu dosis N yang memberikan hasil berbeda dengan yang lain.
3. H0 ; 1 = 2 = 3 = 4
H1 ; Setidaknya ada satu pengaruh interaksi varietas dan dosis N yang memberikan hasil
berbeda dengan yang lain.
Page 26

Selanjutnya menyusun tabel sidik ragam
Sumber
Keragaman (SK)
Derajat Bebas
(db)
Kelompok
g-1
Jumlah
Kuadrat
(JK)
JK kelompok
Perlakuan
(tv. tN) -1
JK perlakuan
Varietas (V)
tv 1
JK varietas
Nitrogen (N)
tN 1
JK Nitrogen
VXN
(tv 1)( tN 1) JK V X N
Galat
(g-1)( (tv.tN)-1)
JK galat
Total
(g. tv. tN) 1
JK Total
Kuadrat
Tengah
(KT)
JK kelompok
(g-1)
JK perlakuan
(tv. tN) -1
JK varietas
tv 1
JK Nitrogen
tN 1
JK V X N
(tv 1)( tN 1)
JK galat
(g-1)( (tv.tN)-1)
Fhit
F tabel
KT kelompok
KT galat
KT perlakuan
KT galat
KT varietas
KT galat
KT Nitrogen
KT galat
KT VXN
KT galat
Perlakuan
V1
V2
V3
V4
Total
N0
N1
N2
N3
N0
N1
N2
N3
N0
N1
N2
N3
N0
N1
N2
N3
Ulangan
1
6,6
11,15
14,90
11,90
4,9
8,15
11,9
11,80
6,05
4,65
5,7
5,3
1,3
1,8
1,58
1,75
109,43
2
9,55
16,75
15,75
15,00
6,60
10,00
9,85
10,30
5,95
5,15
10,75
9,05
2,65
2,45
1,15
1,25
131,60
Total
3
4,95
8,00
12,20
13,95
12,50
12,45
14,55
14,95
3,90
9,85
13,75
14,80
3,45
6,22
6,70
7,55
161,37
21,10
35,90
42,85
40,85
24,00
30,60
36,30
37,05
15,90
19,65
30,20
29,15
7,40
10,47
9,43
10,55
401,40
Page 27

Hasil ubi jalar total 3 ulangan tabel berikut
Varietas
Prambanan
No. 57/1
OP/JK7
Lokal
Total
0
21,10
24,00
15,90
7,40
68,40
45
35,90
30,60
19,65
10,47
96,62
Nitrogen
90
42,85
36,30
30,20
9,43
118,78
Total
135
40,85
37,05
29,15
10,55
117,60
140,70
127,95
94,90
37,85
Lalu cari tahu

Derajat Bebas (db)
db kelompok = g-1
=2
db Nitrogen
= tN 1
=3
db perlakuan = (tv. tN) -1
= 15
db V X N
= (tv 1)( tN 1)
=9
=3
db galat
= (g-1)( (tv.tN)-1)
= 30
db varietas
= tv 1
Faktor Koreksi (FK)

FK = ( X)2 / n = 401,42 / 48 = 3356,71
Jumlah Kuadrat (JK)
JK total
= (Xijk)2 FK
= (6,602 + .+ 7,552) FK = 993,392
JK Kelompok = ( (Xi..)2 / na.nb) FK = ((109,432 + 131,62 + 161,372) / 4 x 4) FK

= 79,438
JK perlakuan = ((X.jk)2 / r) FK
= ((21,102 + 35,902 + . + 10,552) / 3) FK

= 712,266
JK varietas
= ((X.j.)2 / rb) FK
= ((140,72 + .+37,852) / 3 x 4) FK
= 527,153
JK Nitrogen
= ((X..k)2 / ra) FK
= ((68,42 + . + 117,62) / 3x4) FK

= 139, 328
Page 28

JK V X N
= ((X.jk)2 / r) FK JK Var. JK Nitrogen

= ((21,102 + + 10,552) / 3) FK - JK Var. JK Nitrogen
= 45,785
JK galat
= JK total JK kelompok JK perlakuan

= 201,696
Kuadrat Tengah (KT)

KT kelompok = JK kelompok / db kelompok
= 39,715
KT perlakuan = JK perlakuan / db perlakuan
= 47,484
KT varietas
= 175,718
= JK varietas / db varietas
KT Nitrogen = JK Nitrogen / db Nitrogen
= 46,443
KT V X N
= JK V X N / db V X N
= 5,087
KT galat
= JK galat/ db galat
= 6,723
Signifikasi Uji F
F varietas
= KT varietas / KT galat
= 26,136
F tabel = 2,92
F Nitrogen
= KT Nitrogen / KT galat
= 6,908
Ftabel = 2,92
FVxN
= KT V x N / KT galat
= 0,757
Ftabel = 2,21
Dari uji-F pada varietas, nitrogen dan interaksi nitrogen dan varietas, hanya uji F pada V X N
yang terima H0 ; pemilihan varietas memberi hasil yang signifikan pada hasil produksi ubi ; dosis
nitrogen memberi hasil yang signifikan pada hasil produksi ubi ; interaksi antara keduanya tidak
memberikan hasil yang signifikan berbeda.
Page 29

3. Analisis Varian Multi Parameter
Anava dengan multi parameter dilakukan apabila pengaruh individu atas gabungan dari
beberapa faktor dengan variabel yang paling relevan terhadap fenomena suatu data yang diteliti
diperlukan. Analisa multi parameter berarti bahwa parameter yang digunakan lebih dari 2 factor,
di dalam anava multi parameter ini terlihat interaksi dari semua faktor.
Sumber
Keragaman
(SK)
Replikasi
r-1
Jumlah
Kuadrat
(JK)
JKU
Perlakuan A
tA -1
JKA
Perlakuan B
tB 1
JKB
Perlakuan C
tc 1
JKC
(tA 1)( tB 1)
JK A x B
(tA 1)( tC 1)
JK A x C
(tB 1)( tC 1)
JK C x B
(tA 1)( tB 1)
(tB 1)( tC 1)
JK A x B xC
(g-1)((tA.tB.tC)-1)
(g. tA. tB. tC) 1
JK galat
JK Total
AxB
AxC
BxC
AxBxC
Galat
Total
Derajat Bebas
(db)
Kuadrat
Tengah
(KT)
JKU
(r-1)
JKA
tA -1
JKB
tB 1
JKC
tc 1
JK A x B
(tA 1)( tB 1)
JK A x C
(tA 1)( tC 1)
JK B x C
(tB 1)( tC 1)
JK A x B x C
(tA 1)( tC 1)
(tB 1)( tC 1)
Fhit
F tabel
KTU
KT galat
KTA
KT galat
KTB
KT galat
KTC
KT galat
KT AxB
KT galat
KT AxC
KT galat
KT BxC
KT galat
KT AxBxC
KT galat
Misal terdapat 3 faktor yaitu tinggi filter, konsentrasi COD umpan, dan HRT, sehingga
dalam penentuan jumlah eksperimen sebanyak 3 variasi pada 2 waktu pemberian pupuk (1
minggu sekali dan 2 minggu sekali) x 3 konsentrasi pupuk organik (250 mg/L, 500 mg/L ,
750mg/L) x 5 konsentrasi pupuk urea (50 mg/L, 75 mg/L, 100 mg/L, 125 mg/L, 150 mg/L) dan
total sama dengan 2x3x5= 30. Dilakukan pengulangan 2 kali.
Page 30

No
waktu pemberian pupuk
Konsentrasi pupuk
Konsentrasi pupuk
organik
urea
Tinggi tumbuhan
R1
R2
50 mg / L
59
59
75 mg / L
60
60
100 mg / L
62
62
125 mg / L
64
63
150 mg/ L
66
66
50 mg / L
50
50
75 mg / L
51
51
100 mg / L
53
53
125 mg / L
56
56
10
150 mg/ L
58
57
11
50 mg / L
27
28
12
75 mg / L
30
30
100 mg / L
42
42
14
125 mg / L
49
49
15
150 mg/ L
50
49
16
50 mg / L
65
65
17
75 mg / L
68
68
100 mg / L
70
70
19
125 mg / L
73
73
20
150 mg/ L
75
75
21
50 mg / L
52
51
22
75 mg / L
53
52
100 mg / L
54
54
24
125 mg / L
57
57
25
150 mg/ L
58
58
26
50 mg / L
35
35
27
75 mg / L
39
39
100 mg / L
45
46
29
125 mg / L
47
47
30
150 mg/ L
48
48
250 mg / L
1 minggu sekali
13
750 mg / L
18
23
28
500 mg / L
250 mg / L
2 minggu sekali
500 mg / L
750 mg / L
Page 31

Referensi:
Irianto, Agus. 2010. Statistika Konsep, Dasar, Aplikasi, dan Pengembangannya. Jakarta:
Kencana Prenada Media Group.
Sudjana. 1990. Metode Statistika. Bandung: PT. Tarsito.
Walpole, RE. 1992. Pengantar Statistika Edisi ke 3. Jakarta: PT Gramedia Pustaka Utama.
Page 32

Revisi - Tugas Hipotesis - Gema Zacky Arbi - 25315011 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Revisi - Tugas Hipotesis - Gema Zacky Arbi - 25315011 PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Tugas Hipotesis_Gema Zacky Arbi_25315011

Tugas Hipotesis_Gema Zacky Arbi_25315011

(simpangan baku populasi) diketahui maka digunakan distribusi-Z

= Simpangan baku populasi

Untuk uji hipotesis 2 arah tolak H0 bila |zhit| z

tabel distribusi-z dan peluang (1-).

(simpangan baku populasi) tidak diketahui maka digunakan distribusi-t

s = Simpangan baku sampel

Untuk uji hipotesis 2 arah tolak H0 bila |thit| t

tabel distribusi-t dan peluang (1-) dan db = (n-1).

Tugas Hipotesis_Gema Zacky Arbi_25315011

(Sumber: Sudjana, 1990)

Tugas Hipotesis_Gema Zacky Arbi_25315011

(Sumber: Sudjana, 1990)

(Sumber: Sudjana, 1990)

3. Cara Membaca Tabel Distribusi-z

Tugas Hipotesis_Gema Zacky Arbi_25315011

(Sumber: Sudjana, 1990)

4. Cara Membaca Tabel Distribusi-t

Tugas Hipotesis_Gema Zacky Arbi_25315011

Maka didapat nilai t (1 -) = 1,71.

Pengujian Hipotesis Satu Sample

Tugas Hipotesis_Gema Zacky Arbi_25315011

n>30 atau diketahui dan distribusi n 30 dan tidak diketahui

Tolak H0 bila |zhit| z (1-)

Tolak H0 bila |thit| t (1-)

tolak H0 bila zhit z( -)

tolak H0 bila thit t (1 -), db = (n-1).

tolak H0 bila zhit -z( -)

tolak H0 bila thit -t (1 -), db = (n-1).

zhit = (218-220) / (2,5/ 50) = -5,6;

z (1-) = z 0,475 = 1,96

Contoh 2: Uji Hipotesis 1 Arah, tidak diketahui

Tugas Hipotesis_Gema Zacky Arbi_25315011

H0 : 5.7 ; produktivitas lebih dari sama dengan 5.7

; 1,126 > -1,71 maka H0 gagal ditolak/diterima ;

Produktivitas karyawan perusahaan tersebut 5,7 unit per hari.

Pengujian Hipotesis Dua Sampel

Tugas Hipotesis_Gema Zacky Arbi_25315011

(Sumber: Walpole, 1992)

|zhit| = (2800-2750) / 46,43 = 1,08

Tugas Hipotesis_Gema Zacky Arbi_25315011

|thit| w1.t1 + w2.t2

t t (1-) ; db (n1 + n2 -2)

thit w1.t1 + w2.t2

t -t (1-) ; db (n1 + n2 -2)

thit _ w1.t1 + w2.t2

(n1 1) s12 (n2 1) s22

(Sumber: Walpole, 1992)

Tugas Hipotesis_Gema Zacky Arbi_25315011

thit = (9,25-10,40)/ (((5,0176/20)+(9,7344/20)) = 1,339

= (0,2509 x 2,09) + (0,4867 x 2,09) = 2,09

Pengujian Dua Sampel yang Tidak Bebas / Data Berpasangan

Tugas Hipotesis_Gema Zacky Arbi_25315011

Tolak H0 bila thit < t (1-) ; db = (n-1)

Tolak H0 bila thit > t(1-) ; db = (n-1)

sd = simpangan baku sampel d

Persamaan yang digunakan adalah

(1- ) = 1-0.025 = 0,975

thit = 6,9/(3,41/10) = 6,39

Tugas Hipotesis_Gema Zacky Arbi_25315011

Tugas Hipotesis_Gema Zacky Arbi_25315011

Tugas Hipotesis_Gema Zacky Arbi_25315011