Pengujian Hipotesis
Pengujian Hipotesis
Hipotesis adalah pernyataan atau dugaan mengenai satu atau lebih populasi. Pengujian hipotesis berhubungan dengan penerimaan atau
penolakan suatu hipotesis. Kebenaran (benar atau salahnya) suatu hipotesis tidak akan pernah diketahui dengan pasti, kecuali keselurhan populasi yang digunakan untuk pengujian. Penerimaan suatu hipotesis terjadi karena tidak cukup bukti untuk menolak hipotesis tersebut dan bukan karena hipotesis itu benar. Demikian juga, Penolakan suatu hipotesis terjadi karena tidak cukup bukti untuk menerima hipotesis tersebut dan bukan karena hipotesis itu salah. Landasan penerimaan dan penolakan hipotesis seperti ini, yang menyebabkan para peneliti mengawali pekerjaan dengan terlebih dahulu membuat hipotesis yang diharapkan ditolak, tetapi dapat membuktikan bahwa pendapatnya dapat diterima. Sebagai manual. Staf PSI contoh; sebelum tahun 2010, pendaftaran mahasiswa
Universtas Malikussaleh dilakukan dengan pengisian formulir secara Pada tahun 2010, Pusat Sistem Informasi (PSI) Universitas ingin membuktikan pendapatnya bahwa rata-rata waktu Malikussaleh memperkenalkan sistem pendaftaran "ON-LINE". Seorang pendaftaran dengan sistem ON-LINE akan lebih cepat dibanding dengan sistem yang lama Untuk membuktikan pendapatnya, ia akan membuat hipotesis awal, sebagai berikut : Hipotesis Awal : rata-rata waktu pendaftaran sistem "ON-LINE" sama saja dengan sistem LAMA. Staf PSI tersebut akan mengambil contoh dan berharap hipotesis awal ini ditolak, sehingga pendapatnya dapat diterima! Hipotesis Awal yang diharap akan ditolak disebut : Hipotesis Nol ( H0 ). Penolakan H0 membawa kita pada penerimaan Hipotesis Alternatif ( H1 ) (beberapa buku menulisnya sebagai ( Ha ). Nilai Hipotesis Nol ( H0 ) harus menyatakan dengan pasti nilai parameter.
H0
H1
Sebagai contoh; Pada sistem lama, rata-rata waktu pendaftaran adalah 50 menit. Kita akan menguji pendapat Staf PSI tersebut, maka Hipotesis awal dan Alternatif yang dapat kita buat :
H0 H1 H0 H1
: : atau : :
= 50 menit (sistem baru dan sistem lama tidak berbeda) 50 menit (sistem baru tidak sama dengan sistem lama) = 50 menit (sistem baru sama dengan sistem lama) < 50 menit ( sistem baru lebih cepat)
Prinsip pengujian hipotesis adalah perbandingan nilai statistik uji (z hitung atau t hitung) dengan nilai titik kritis (Nilai z tabel atau t tabel). Titik Kritis adalah nilai yang menjadi batas daerah penerimaan dan penolakan hipotesis. Nilai pada z atau t tergantung dari arah pengujian yang dilakukan.
Pengujian Hipotesis dapat dilakukan secara Uji Satu Arah dan Uji Dua Arah.
Uji Satu Arah Pengajuan H0 dan H1 dalam uji satu arah adalah sebagai berikut:
H0 H1
: ditulis dalam bentuk persamaan (menggunakan tanda =) : ditulis dalam bentuk lebih besar (>) atau lebih kecil (<)
H1
H0
:
Nilai tidak dibagi dua, karena seluruh diletakkan hanya di salah satu sisi selang misalkan : H0 : = 0 *) H1 : < 0 Wilayah Kritis *) **) **) :
z < z
atau
t <
t( db ; )
Penggunaan z atau t tergantung ukuran sampel sampel besar menggunakan z; sampel kecil menggunakan t.
-z atau - t(db;)
H0 H1
Wilayah Kritis
: : **)
= 0 *) > 0 z > z :
atau
t > t( db , )
0 n daerah terarsir
z atau t (db;)
H0 H1
: ditulis dalam bentuk persamaan (menggunakan tanda =) : ditulis dengan menggunakan tanda
H0 H1
: = 50 menit : 50 menit
H0 H1
Wilayah Kritis
: : **)
= 0 *) 0
: atau
z < z
2)
dan
z > z
2)
t < t ( db ,
dan
t > t ( db ;
*) **)
Penggunaan z atau t tergantung ukuran contoh contoh besar menggunakan z; contoh kecil menggunakan t.
z /2 atau t(db;/2)
Beberapa Langkah Pengujian Hipotesis 1. Tentukan H0 dan H1 2. Tentukan statistik uji [ z atau t] 3. Tentukan arah pengujian [1 atau 2]
4. Taraf Nyata Pengujian [ atau /2] 5. Tentukan nilai titik kritis atau daerah penerimaan-penolakan H0 6. Cari nilai Statistik Hitung 7. Tentukan Kesimpulan Beberapa Nilai z yang penting [terima atau tolak H0 ]
Rumus-rumus Penghitungan Statistik Uji 1. Nilai Tengah dari Contoh Besar 2. Nilai Tengah dari Contoh Kecil 3. Beda 2 Nilai Tengah dari Contoh Besar 4. Beda 2 Nilai Tengah dari Contoh Kecil
H0
1.
H1
Wilayah Kritis
= 0
z=
Sampel besar n 30
x 0 / n
< 0 > 0 0
dan
z > z
2.
= 0
x 0 t= s/ n
< 0 > 0 0
t <
t( db; )
dan
3.
1 2 = d 0
Sampelsampel besar n1 30 n2 30
z=
Jika
x1 x 2 d 0 (12 / n1 ) + ( 22 / n2 )
2 1
1 2 < d 0 1 2 > d 0 1 2 d 0
dan
tidak
gunakan
dan
z > z
4.
1 2 = d 0
t=
x1 x2 d 0
2 ( s12 / n1 ) + (s2 / n2 )
1 2 < d 0 1 2 > d 0 1 2 d 0
2)
dan
n1 + n2 2
Penyelesaian : Diketahui: a) 1. 2*
x = 495 H0 : = 500
s = 45 n=100
0 =500
=1%
H1 : < 500
3* 4* 5. 6.
arah pengujian : 1 arah Taraf Nyata Pengujian = = 1% = 0.01 Titik kritis z < - z0.01 z < - 2.33 Statistik Hitung
z=
7.
x 0 / n
Kesimpulan :
penerimaan H0
H0
2. Contoh Pengujian Hipotesis Nilai Tengah Sampel Kecil Seorang job-specialist menguji 25 karyawan Unimal dan mendapatkan bahwa rata-rata penguasaan pekerjaan IT adalah 22 bulan dengan simpangan baku = 4 bulan. Dengan taraf nyata 5% , ujilah : a) Apakah rata-rata penguasaan kerja IT lebih dari 20 bulan? b) Apakah rata-rata penguasaan kerja IT tidak sama dengan 20 bulan? Penyelesaian: Diketahui : 20
x = 22
s=4
n = 25
0 =
= 5%
a) Ditinggalkan sebagai latihan ( H1 : > 20; uji 1 arah, =5%, statistik uji = t, db = 24)
b)
1. 2* 3* 4*
H0 : = 20
arah pengujian : 2 arah
H1 : 20
statistik uji : t karena contoh kecil Taraf Nyata Pengujian = = 5% = 0.05 /2 = 2.5% = 0.025 Titik kritis db = n-1 = 25-1 = 24 Titik kritis t < t ( db , 2 ) dan
5.
t > t ( db;
2)
t < -t (24; 2.5%) t < -2.064 dan t > t (24; 2.5%) t > 2.064 6. Statistik Hitung
t=
7.
x 0 s / n
22 20 2 = = 2.5 4 / 25 0.8
H0 ditolak, H1 diterima ,
rata-rata penguasaan pekerjaan IT 20 bulan
Daerah penolakan H0 =
luas daerah terarsir daerah terarsir ini = ini = /2 = 2.5% Daerah penerimaan H0 -2.064 0 2.064
Berikut adalah data nilai prestasi kerja karyawan yang mendapat training dengan yang tidak mendapat training. rata-rata prestasi Ragam nilai DGN TRAINING x1 = 300 TANPA TRAINING x2 = 302
2 s2 = 4.5 n2 = 30
s12 = 4 n1 = 40
Apakah perbedaan rata-rata nilai prestasi kerja Apakah ada perbedaan rata-rata prestasi kerja
1 2 > 0?
1 2 0?
Penyelesaian : = 5 % a) 1. 2* 3* 4* 5. 6.
d0 = 0 H1 : 1 2 > 0
H0 : 1 2 = 0
arah pengujian : 1 arah
statistik uji : z karena contoh besar Taraf Nyata Pengujian = = 5% Titik kritis z > z5% z > 1.645 Statistik Hitung
z=
x1 x 2 d 0
2 ( s12 / n1 ) + ( s2 / n2 )
2 = 01 + 015 . .
7. Kesimpulan :
2 2 = 4 = 0.25 0.5
z hitung = 4 ada di daerah penolakan
1 2 0; Uji 2 arah, /2 =
4. Pengujian Hipotesis Beda 2 Nilai Tengah Sampel Kecil Berikut adalah data kerusakan produk yang dibuat oleh karyawan shift malam dan siang. rata-rata kerusakan Ragam SHIFT MALAM x1 = 20 SHIFT SIANG x2 = 12
2 s2 = 0.72 n2 = 12
s12 = 3.9 n1 = 13
1 2 < 10?
1 2 10?
d 0 = 10
b)
1. 2* 3* 4*
H0 : 1 2 = 10
arah pengujian : 2 arah
H1 : 1 2 10
statistik uji : t karena contoh kecil Taraf Nyata Pengujian = = 1% = 0.01 /2 = 0.5% = 0.005 Titik kritis db = n1 + n2 - 2 = 13+ 12 - 2 = 23 Titik kritis t < t ( db , 2 ) dan
5.
t > t ( db;
2)
t < -t (23; 0.5%) t < -2.807 dan t > t (23; 0.5%) t > 2.807 6. Statistik Hitung
t=
x1 x2 d 0
2 ( s12 / n1 ) + (s2 / n2 )
SKALA PENGUKURAN DATA DAN UJI STATISTIK Tujuan dari analisis data adalah untuk mendapatkan data informasi yang relevan yang terkandung di dalam data tersebut dan menggunakan hasilnya untuk memecahkan suatu masalah. Permasalah yang ingin dipecahkan biasanya dinyatakan dalam bentuk satu atau lebih hipotesis nol. Sampel data digunakan untuk menguji penolakan atau tidak menolak hipotesis nol secara statistik. Pengukuran merupakan suatu proses dimana angka atau symbol dilekatkan pada karakteristik sesuai dengan aturan atau prosedur yang telah ditetapkan. Misalnya, karyawan digambarkan dengan beberapa karakteristik seperti umur, pendidikan, gaji, jenis kelamin dan posisi jabatan. Sehingga periset perlu menetapkan skala pengukuran yang sesuai terhadap karakteristik karyawan tersebut. Menurut Cooper dan Schindler (2006 : 8) skala pengukuran dapat dikelompokkan menjadi empat jenis yaitu, skala nominal, ordinal, interval dan rasio. Berikut penjelasan tentang skala tersebut. 1. Skala nominal
Skala nominal adalah skala pengukuran yang menyatakan kategori dari suatu subjek, misalnya variabel jenis kelamin, dikelompokkan kedalam dua kategori, laki-laki dan perempuan. Kategori ini diberi kode 1 untuk laki-laki dan 2 untuk perempuan. Nilai kode ini hanya berfungsi sebagai label kategori saja tidak memiliki arti apa-apa atau tidak ada nilai instrinsik. Uji statistic yang sesuai dengan skala nominal adalah modus, distribusi frekuensi, binomial, satu-sampel X2, dua-sampel X2, X2 untuk k sampel, McNemar dan Cochran Q. 2. Skala ordinal Skala ordinal adalah skala pengukuran yang menyatakan ranking terhadap kategori. Misalnya, periset meminta responden untuk menentukan preferensinya terhadap empat merek pasta gigi. Periset meminta responden untuk melakukan ranking terhadap merek. Dengan memberi angka 1 untuk merek yang paling disukai, angka 2 untuk ranking kedua dan seterusnya. MEREK PASTA RANKING GIGI Pepsodent 1 Ciptadent 2 Close up 3 Herbaldent 4 Uji statistik untuk skala ordinal yang sesuai adalah modus, median, distribusi frekuensi, satu-sampel Kolmogorov-Smirnov, Runs, Paired wilcoxon, Mann-Whitey U, Friedman ANOVA dua-cara dan Kruskal-wallis ANOVA satu cara. 3. Skala interval Skala interval adalah Uji statistik yang sesuai untuk skala interval adalah semua uji statistic, sperti uji t, uji Z, ANOVA, dan lain sebagainya. 4. Skala Rasio Skala rasio adalah Uji statistik