BAB II

PEMBAHASAN
2.1

Pengertian Uji Hipotesis

Hipotesis adalah pernyataan/pendugaan yang dianggap benar dan

digunakan sebagai dasar pembuatan keputusan untuk pemecahan

persoalan.
Hipotesis statistik adalah suatu pernyataan, asumsi atau dugaan
mengenai parameter populasi (bentuk, fungsi, dan nilai).
Uji Hipotesis adalah cabang Ilmu Statistika Inferensial yang dipergunakan
untuk menguji kebenaran suatu pernyataan secara statistik dan menarik
kesimpulan

apakah

menerima

Pernyataan

ataupun

asumsi

kebenarannya

tersebut

atau

menolak

sementara

dinamakan

yang

pernyataan
dibuat

tersebut.

untuk

dengan Hipotesis atau

diuji

Hipotesa.

Tujuan dari Uji Hipotesis adalah untuk menetapkan suatu dasar sehingga
dapat mengumpulkan bukti yang berupa data-data dalam menentukan
keputusan apakah menolak atau menerima kebenaran dari pernyataan
atau asumsi yang telah dibuat. Uji Hipotesis juga dapat memberikan
kepercayaan diri dalam pengambilan keputusan yang bersifat objektif.
2.2

Jenis-Jenis Pengujian Hipotesis

Ada 2 jenis pengujian hipotesis, yaitu :

2.2.1 Hipotesis Tunggal

Hipotesis

tunggal

adalah

suatu

uji

hipotesis

statistik

yang

alternatifnya bersifat satu arah, yaitu wilayah kritis pada satu bagian
kurva saja
H0 : = 0, H1 : >0,
Dalam kondisi ini (H1 lebih besar dari harga yang dihipotesiskan) wilayah
kritis bagi hipotesis alternatif >0 berada seluruhnya di ekor kanan
sebaran tersebut
H0 : = 0,H1 : <0
Dalam kondisi ini (H1 lebih kecil dari harga yang dihipotesiskan) wilayah

kritis bagi hipotesis alternatif <0 berada seluruhnya di ekor kiri sebaran
tersebut
Contoh :
Suatu pabrik susu merek Good Milk melakukan pengecekan terhadap produk mereka,
apakah rata-rata berat bersih satu kaleng susu bubuk yang di produksi dan di pasarkan masih
tetap 400 gram atau sudah lebih kecil dari itu. Dari data sebelumnya di ketahui bahwa
simpangan baku bersih per kaleng sama dengan 125 gram. Dari sample 50 kaleng yang di
teliti, di peroleh rata-rata berat bersih 375 gram.
Di soal diatas H0=400 gram dan H1<400, nilai yang ingin dihipotesiskan adalah 375
gram, dalam hal ini nilai yang ingin dihipotesiskan lebih kecil dari pada H1, sehingga
wilayah kritisnya berada berada di arah kiri.

2.2.2 Hipotesis Majemuk

Hipotesis Majemuk adalah semua bentuk hipotesis yang tidak
menyatakan spesifik parameter distribusi populasi secara lengkap.
Pengujian dengan menggunakan konsep Hipotesis Majemuk berarti
pengujian hipotesis dilakukan dengan menguji 2 wilayah kritis pada
bagian kurva saja (kanan dan kiri).
H0 : = 0
Ha : 0
Contoh :
H0 : = 3,5 meter Hipotesis Sederhana
H1 : = 3,5 meter atau < 3,5 meter atau > 3,5 meter Hipotesis
Majemuk
Sebuah hipotesis yang tidak menyatakan parameter secara pasti
atau

spesifik

(misalkan

tidak

semua

dari

parameter

dinyatakan)

dinamakan hipotesis majemuk. Sebagai contoh, misalkan kita membuat

suatu hipotesis bahwa :
H0 : > 62 (dan 2 = 4) atau H0 : = 62 dan 2< 4
Hipotesis ini merupakan hipotesis majemuk karena kita tidak dapat
mengetahui secara tepat distribusi dari populasi pada hipotesis ini. Jelas
bahwa parameter > 62 dan 2< 4 mempunyai lebih dari satu nilai dan
tidak terdapat nilai spesifik yang ditentukan.
Bentuk umum dari Hipotesis Majemuk adalah :
0 atau 0
2.3

Kesalahan Pengujian Hipotesis

Statistik dari sampel (yang diambil dari populasi) merupakan

perkiraan yang dipakai sebagai dasar untuk mengambil keputusan pada

hipotesis

nol.

Keputusan

menolak

atau

menerima

hipotesis

nol

mengandung suatu ketidakpastian (kekeliruan), artinya keputusan itu bisa

benar atau salah. Ketidakpastian tersebut menimbulkan suatu galat atau
kesalahan. Ada 2 tipe kesalahan/galat dalam pengujian hipotesis, yaitu :
2.3.1 Galat Tipe 1
Menolak hipotesis nol pada hal hipotesis itu benar. Kita melakukan
kekeliruan

dengan

menolak

H0

dan

mempercayai

H1

padahal

sesungguhnya H0 yang benar.

Menghitung Galat Tipe I:
Peluang melakukan galat tipe I disebut dengan tingkat signifikan,
dinotasikan dengan .
Dari contoh di atas, dihitung:
20

= P (galat tipe I) = P(X>8 ; p = ) =

b( x ; 20, 14 )
x=9

=1-

b(x ; 20, 14 )
x=0

= 1-0.9591 = 0.0409

Dikatakan hipotesis nol, p = , diuji dengan tingkat signifikan = 0.0409 ~

sangat kecil. Jadi, kecil kemungkinan galat tipe 1 dilakukan.

Meminimumkan Galat Tipe I :

Dilakukan dengan cara mengubah nilai kritis yaitu dengan menambah
ukuran sampel. Untuk soal sebelumnya, misal ukuran sampel ditambah
menjadi 1000 dan nilai kritis baru = 36 sehingga
= np = (100)(1/4) = 25 dan
= npq= (100)(1/4)(3 /4)=4.33
dengan x = 36.5, berkorespondensi dengan:
z = (36.5-25)/4.33 = 2.66
Maka
= P(x > 36;p=1/4) 2.66
= 1 P(Z<2.66) = 1-0.9961 = 0.0039
Bentuk kurvanya:

2.3.2 GalatTipe 2
Menerima H0 padahal hipotesis itu salah, sehingga seharusnya H 0
ditolak.
Menghitung Galat Tipe II :
Peluang yang menyangkut kesalahan tipe II, dinotasikan dengan . Dari
contoh di atas, dihitung dengan mengambil nilai p tertentu, misalkan p =
(sebab > ) :
= P(error tipe II) = P(X 8 ; p = )

20

b( x ; 20, 14 )
x=9

= 0.2517

Nilai 0.2517 agak besar, suatu tanda prosedur pengujian yang agak jelek.
Kemungkinan menolak vaksin baru cukup besar, padahal sesungguhnya
lebih unggul dari pada vaksin lama.
Meminimumkan Galat Tipe II :
Untuk galat tipe II juga bisa dilakukan hal yang sama. Jika H0 salah dan
nilai benar untuk H1 adalah p = 1/2 , maka galat tipe II dapat dihitung
= np = (100)(1/2) = 50 dan
= npq= (100)(1/2)(1/2)=

Nilai z yang bersesuaian = (36.5 50) / 5 =-2.7

Maka:
= P(x36;p=1/2) P(Z<-2.7)=0.0035
Bentuk kurvanya:

Dari contoh di atas jelas terlihat bahwa galat tipe I dan galat tipe II akan
jarang sekali terjadi ukuran sampel diperbesar (dalam hal ini 100).

Keputusan

Menolak H0

Keadaan

sesungguhnya

Keadaan sesungguhnya

H0 Benar

H0 Salah

Keputusan salah (Galat Tipe

Keputusan tepat

I)

Menerima H0

Keputusan tepat

Keputusan

salah

(Galat

Tipe II)
Hal-hal yang Perlu diperhatikan dalam Perhitungan Galat :

Oleh

karena

menyatakan

peluang

menolak

H0

padahal

sesungguhnya H0 benar, maka kita mengharapkan nilai sekecil

mungkin.

Dengan kata lain, jika sangat kecil, maka kejadian melakukan

galat tipe I sangat jarang terjadi, sebab tidaklah pantas sesuatu
yang sesungguhnya benar kita tolak.

Oleh

karena

menyatakan

peluang

menerima

H0 padahal

sesungguhnya H0 salah, maka kita mengharapkan nilai sekecil

mungkin.

Dengan kata lain, jika sangat kecil, maka kejadian melakukan

galat tipe II sangat jarang terjadi, sebab tidaklah pantas sesuatu
yang salah kita terima.

Memperkecil nilai dan sekaligus tidaklah mungkin dilakukan

sekaligus.

Memperkecil nilai dapat menyebabkan membesarnya nilai .

Sebaliknya, memperkecil dapat menyebabkan membesarnya nilai
.

Usaha untuk memperkecil nilai-nilai dan dapat dilakukan dengan

memperbesar ukuran sampel. Makin besar ukuran sampel, maka
makin kecil nilai dan .

Kesimpulan mengenai galat/kesalahan dalam uji hipotesis diuraikan

sebagai berikut.

Galat tipe I dan II saling berhubungan.

Jika salah satu membesar, maka yang lain mengecil.
Galat tipe I dapat direduksi dengan mengatur nilai kritis.
Menambah ukuran sampel akan mengurangi galat tipe I dan II.
Jika hipotesis nol salah, nilai akan maksimum jika nilai benar dekat
dengan nilai hipotesis, dan sebaliknya akan semakin kecil.

2.3.3 Contoh Soal dan Pembahasan

Diketahui tipe vaksin tertentu efektif hanya 25% setelah 2 tahun
digunakan. Untuk mengetahui vaksin baru lebih baik, maka diambil
sampel 20 orang yang dipilih secara acak. Jika lebih dari 8 orang yang
menerima vaksin baru melewati 2 tahun masa uji dan ternyata tidak
tertulari virus, maka vaksin baru dikatakan lebih baik.
Akan diuji hipotesis nol yang menyatakan vaksin baru sama
efektifnya dengan vaksin sekarang setelah melampaui 2 tahun. Hipotesis
alternatif menyatakan vaksin yang baru lebih baik dari vaksin yang
sekarang.
Kasus ini ekivalen dengan menguji hipotesis bahwa parameter
binomial dengan peluang sukses adalah p =

terhadap hipotesis

alternatif p >
Kasus ini dapat dituliskan sebagai berikut:
H0: p = ,
H1: p >
Keputusan didasarkan pada uji statistik X, yaitu banyaknya orang
dalam sampel yang mendapat perlindungan vaksin baru selama paling
sedikit dua tahun. X mempunyai nilai dari 0 sampai 20, yang dibagi
menjadi dua: lebih kecil dari 8 dan lebih besar dari 8. Semua nilai yang
lebih besar dari 8 disebut dengan daerah kritis dan yang lebih kecil dari 8
disebut daerah penerimaan. Nilai 8 disebut dengan nilai kritis. Jika x > 8
maka hipotesis H0 ditolak, dan sebaliknya jika x 8 hipotesis H 0 diterima.
Ada dua macam kesalahan yang terjadi: menolak H 0 yang ternyata benar
dan menerima H0 yang ternyata salah.
Soal 1
Suatu sampel acak berukuran n = 64 mengenai rata-rata berat badan
mahasiswa. Diketahui hipotesis nol adalah rata-rata berat badan = 68 kg
dan hipotesis alternatif adalah rata-rata berat badan 68 kg. Simpangan
baku untuk kasus ini diketahui, = 3.6

Maka:
x 1

Tentukan peluang galat tipe I (), jika

Tentukan peluang galat tipe II () , jika

= 67 dan
x 1

= 67 dan

serta rata-rata alternatif = 70 adalah benar.

Pembahasan:
Masalah ini adalah pengujian hipotesis
0

H0

H1

: 68, artinya < 68 atau > 68

Tes statistik:

z=

= 68

( X 0)
/ n

Jadi, nilai z yang bersesuaian adalah:

z 1=

(6768)
=2.22
3.6 / 64

z 2=

(6968)
=2.22
3.6 / 64

Kemudian hitung :
= P(x < 67, jika = 68) + P(x > 69, jika = 68)
= P(z < -2.22) + P(z > 2.22) = 2 P(z < -2.22)
= 2(0.0132) = 0.0264

x 2

= 69.
x 2

= 69,

Hitung nilai z yang berkorespondensi dengan :

z 1=

(6770)
=6.67
3.6 / 64

z 2=

(6970)
=2.22
3.6 / 64

Kemudian hitung :
= P(67 X 68, jika = 70)
= P(-6.67 Z -2.22)
Oleh karena Z berdistribusi normal standar, maka:
= P(Z -2.22) - P(Z -6.67)
= 0.0132 0 = 0.0132
Soal 2
Dari soal sebelumnya, jika ruang sampel diubah menjadi n = 100
maka hitunglah kembali nilai dan .
Pembahasan:
Nilai x yang bersesuaian adalah:
z 1=

(6768)
=2.78
3.6 / 100

z 2=

(6968)
=2.78
3.6 / 100

Kemudian hitung :
= P(z < 2.78) + P(z > 2.78)
Karena z berdistribusi normal standar, maka:
= 2P(z < -2.78)
= 2(0.0027) = 0.0054
Nilai z yang berkorespondensi dengan adalah :
z 1=

(6770)
=8.33
3.6 / 100

Kemudian hitung :
= P(-8.33 z -5.56)

z 2=

(6870)
=5.56
3.6 / 100

Oleh karena z berdistribusi normal standar, maka:

= P(z -5.56) - P(z -8.33)
=00=0

2.4 Prosedur Pengujian Hipotesis

Langkah-langkah pengujian hipotesis statistik adalah sebagai berikut :
2.4.1 Menentukan Formulasi Hipotesis
Formulasi atau perumusan hipotesis statistik dapat dibedakan atas dua
jenis, yaitu sebagai berikut :
a. Hipotesis nol atau hipotesis nihil
Hipotesis nol, disimbolkan H0 adalah hipotesis yang dirumuskan sebagai
suatu pernyataan yang akan diuji.
b. Hipotesis alternatif atau hipotesis tandingan
Hipotesis alternatif disimbolkan H1 atau Ha adalah hipotesis yang dirumuskan
sebagai lawan atau tandingan dari hipotesis nol.
Secara umum, formulasi hipotesis dapat dituliskan :
H0 : = 0
H1 : > 0
Pengujian ini disebut pengujian sisi kanan
H0 : = 0
H1 : < 0
Pengujian ini disebut pengujian sisi kiri
H0 : = 0
H1 : 0
Pengujian ini disebut pengujian dua sisi
Apabila hipotesis 0 (H0) ditolak maka hipotesis alternatif (H 1) diterima, begitu
pula sebaliknya.
2.4.2 Menentukan Taraf Nyata (Significant Level)

Taraf nyata adalah besarnya batas toleransi dalam menerima

kesalahan hasil hipotesis terhadap nilai parameter populasinya. Taraf
nyata dilambangkan dengan (alpha).
Semakin tinggi taraf nyata yang digunakan, semakin tinggi pula
penolakan hipotesis nol atau hipotesis yang diuji, padahal hipotesis nol
benar. Besarnya nilai bergantung pada keberanian pembuat keputusan
yang dalam hal ini berapa besarnya kesalahan yang akan ditolerir.
Besarnya kesalahan tersebut disebut sebagai daerah kritis pengujian
(critical region of test) atau daerah penolakan (region of rejection). Nilai
yang dipakai sebagai taraf nyata di gunakan untuk menentukan nilai
distribusi yang di gunakan pada pengujian, misalnya distribusi normal (Z),
distribusi t, dan distribusi X. Nilai itu sudah di sediakan dalam bentuk
tabel di sebut nilai kritis.
2.4.3 Menentukan Kriteria Pengujian
Kriteria pengujian adalah bentuk pembuatan keputusan dalam
menerima atau menolak hipotesis nol (H0) dengan cara membandingkan
nilai tabel distribusinya (nilai kritis x

) dengan nilai uji statistiknya,

sesuai dengan bentuk pengujiannya.

a. Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih
besar daripada nilai positif atau negatif dari tabel. Atau nilai uji statistik
berada di luar nilai kritis.
b. Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih kecil
daripada nilai positif atau negatif dari tabel. Atau nilai uji statistik berada
di dalam nilai kritis.

2.4.4 Menentukan Nilai Uji Statistik

Uji statistik merupakan rumus-rumus yang berhubungan dengan
distribusi tertentu dalam pengujian hipotesis. Uji statistik merupakan
perhitungan untuk menduga parameter data sampel yang diambil secara
random dari sebuah populasi.
2.4.5 Membuat Kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan dalam hal
penerimaan atau penolakan hipotesis nol (H0), sesuai dengan kriteria
pengujiannya. Pembuatan kesimpulan dilakukan setelah membandingkan
nilai uji statistik dengan nilai tabel atau nial kritis.

Penerimaan H0 terjadi jika nilai uji statistik berada di luar nilai kritis (
x< x

).

Penolakan H0 terjadi jika nilai uji statistik berada di dalam nilai kritis (
x> x

).

Ringkasan prosedur pengujian hipotesis :

1. Menentukan hipotesis 0 (H0) dan hipotesis alternatif (H1)
2. Memilih suatu taraf nyata ( ) dan menentukan nilai tabel
3. Membuat kriteria penerimaan atau penolakan H0
4. Melakukan uji statistik
5. Membuat kesimpulan penerimaan atau penolakan H0