Uji Rata-rata

4
1. Pendahuluan
Suatu hipotesis adalah pernyataan atau dugaan mengenai satu atau lebih populasi.
Benar salahnya hipotesis tidak akan pernah diketahui dengan pasti, kecuali bila kita
memeriksa seluruh populasi. Hal ini tentu saja dalam kebanyakan situasi tidak dapat
dilakukan. Oleh karena itu kita dapat mengambil sampel dari populasi tersebut untuk
memutuskan apakah hipotesis kita benar atau salah yang ditentukan (dibuktikan) oleh data
yang dikumpulkan.
Ada dua hipotesis, yaitu hipotesis nol (H0) dan hipotesis alternatif atau hipotesis
tandingan H1. Hipotesis nol adalah anggapan sementara yang dianggap benar dan akan
diuji melalui data.
Praktikum ini bertujuan untuk lebih memahami masalah uji rata-rata dengan
bantuan komputer, yaitu Minitab. Tujuan utama dari praktikum ini adalah agar peserta
praktikum dapat menganalisis uji rata-rata secara tepat dan efisien serta dapat
menginterpretasikan hasil outputnya. Yang penting dicatat disini adalah bahwa uji Z yang
standar deviasinya tidak diketahui tidak bisa dilakukan dengan minitab, hal ini dikarenakan
tidak terdapatnya fasilitas dalam minitab untuk uji tersebut. Dengan demikian untuk uji Z
hanya berlaku ketika standar deviasinya diketahui.
Pada interpretasi output, untuk menentukan apakah hipotesis nol diterima atau
ditolak dapat dilihat nilai-pnya (p-value). Jika nilai-p ini lebih kecil dari taraf nyata atau
taraf signifikansi, maka tolak H0 dan sebaliknya jika nilai-p ini lebih besar dari taraf nyata
atau taraf signifikansi maka terima H0.
Supriyanto, M.Si. Modul Praktikum Biostatistika 26

Prosedur untuk Uji ini adalah sebagai berikut :

a. Pastikan statistik uji yang digunakan apakah uji Z atau uji t
b. Tentukan taraf nyata yang digunakan (defaultnya 0.05 atau 5%)
c. Untuk uji Z harus ditentukan standar deviasinya.
Hal yang perlu diperhatikan juga ketika kita melakukan uji hipotesis dengan komputer
adalah jenis uji yang digunakan. Disini terdapat beberapa pilihan, yaitu apakah satu arah
atau dua arah.

2. Prosedur Minitab
A. Uji Hipotesis Mean untuk Satu Populasi (jika diketahui)
Uji Dua Arah Mean dengan statistik uji Z.
Bentuk hipotesisnya adalah
H0 : = 0
H1 : 0
Sintaks Minitab untuk kasus uji dua arah :
MTB > OneZ C1;
SUBC> Sigma k; /* k=nilai standar deviasi populasi */
SUBC> Test 0;
SUBC> Alternative 0;
SUBC> GBoxplot. /* untuk melihat hasil uji hipotesis melalui boxplot */

Uji Satu Arah Kurang dari untuk Mean dengan statistik uji Z
Bentuk hipotesis satu arah kurang dari adalah sebagai berikut.
H0 : = 0 (bisa juga diucapkan dalam bentuk H0 : 0 )
H1 : < 0
MTB > OneZ C1;
SUBC> Sigma k; /* k=nilai standar deviasi populasi */
SUBC> Test 0;
SUBC> Alternative -1;
SUBC> GBoxplot. /* untuk melihat hasil uji hipotesis melalui boxplot */

Uji Satu Arah Lebih Dari untuk Mean dengan Statistik Uji Z
Bentuk hipotesis satu arah lebih dari adalah sebagai berikut
Supriyanto, M.Si. Modul Praktikum Biostatistika 27

H0 : = 0 (bisa juga diucapkan dalam bentuk H0 : 0 )

H1 : > 0
MTB > OneZ C1;
SUBC> Sigma k; /* k=nilai standar deviasi populasi */
SUBC> Test 0;
SUBC> Alternative +1;
SUBC> GBoxplot. /* untuk melihat hasil uji hipotesis melalui boxplot */
B. Uji Hipotesis Mean untuk Satu Populasi (jika tidak diketahui)
Uji Dua Arah Mean dengan statistik uji t.
Bentuk hipotesisnya adalah
H0 : = 0
H1 : 0
Uji Satu Arah Kurang dari untuk Mean dengan statistik uji t
Bentuk hipotesis satu arah kurang dari adalah sebagai berikut.
H0 : = 0 (bisa juga diucapkan dalam bentuk H0 : 0 )
H1 : < 0
Uji Satu Arah Lebih Dari untuk Mean dengan Statistik Uji t
Bentuk hipotesis satu arah lebih dari adalah sebagai berikut
H0 : = 0 (bisa juga diucapkan dalam bentuk H0 : 0 )
H1 : > 0
Jika kita menggunakan dialog menu, maka langkah yang ditempuh adalah sebagai berikut.
1. Pilih Stat > Basic Statistics > 1-sample t
2. Masukkan data ke dalam kotak variables.
3. Pilih Level untuk Confidence interval dan masukkan nilainya
4. Masukkan nilai mean pada kotak test mean.
5. Pilih jenis hipotesis alternatifnya, yaitu alternative : not equal
6. Klik OK dua kali.
Supriyanto, M.Si. Modul Praktikum Biostatistika 28

Perlu diingat bahwa dalam Minitab, akan berlaku :

a. Jika sintaks SUBC > alternatif tidak ada maka secara otomatis yang dimaksud
adalah uji dua arah.
b. Jika taraf signifikansi bukan 5%, maka dibawah sintaks SUBC > Test test 0
disisipkan subperintah : SUBC > confidence 1-alpha. Misalnya alphanya = 10%,
maka 1-alpha = 90% = 0.9.
c. Perhatikan bahwa untuk setiap memunculkan SUBC > pada sintaks sebelumnya
harus diakhiri tanda ;

Contoh
Misalkan C1 berisi data nilai ujian Biostatistika, dan diketahui bahwa rata-rata nilai
Biostatistika adalah 70 dan standard deviasi seluruh mahasiswa yang ikut ujian
Biostatistika (populasi) = 10. Pada tahun 2009, kita ingin menguji apakah ada perbedaan
rata-rata ujian mahasiswa yang ikut Biostatistika pada taraf signifikansi 10%, kemudian
diambil sampel secara acak berukuran 20 dengan nilainya adalah sebagai berikut : 85; 67;
70; 75; 77; 83; 69; 76; 71; 69; 68; 66; 63; 75; 65; 70; 73; 65; 68; dan 61
Bentuk Hipotesis dua arah
H0 : = 70
H1 : 70

Sintaks Minitab untuk kasus uji dua arah :

MTB > OneZ C1;
SUBC> Sigma 10;
SUBC> Test 70;
SUBC> Confidence 90;
SUBC> Alternative 0;
SUBC> GBoxplot.

Atau jika kita menggunakan dialog menu, maka langkah yang ditempuh adalah sebagai
berikut.
1. Pilih Stat > Basic Statistics > 1-sample Z
Supriyanto, M.Si. Modul Praktikum Biostatistika 29

2. Masukkan data kita (misalnya ada pada C1) ke dalam kotak variables.
3. Pilih Confidence interval dan masukkan nilai 0.90 (jika kita gunakan =
10%)
4. Masukkan nilai 70.0 pada kotak test mean.
5. Pilih jenis hipotesis alternatifnya, yaitu alternative : not equal
6. Masukkan nilai deviasi standar populasi (sigma) sebesar 10.
7. Klik OK dua kali.

Hasilnya adalah sebagai berikut :

Z-Test

Test of mu = 70.00 vs mu not = 70.00

The assumed sigma = 10.0

Variable N Mean StDev SE Mean Z P

C1 20 70.80 6.25 2.24 0.36 0.72

Perhatikan nilai-p di atas. Terlihat bahwa nilai-pnya lebih besar dari 10%, dengan
demikian dapat kita simpulkan menerima H0, yakni rata-rata nilai ujian Biostatistika masih
70.

C. Uji Mean Dua Populasi

Dalam uji mean dua populasi ini yang perlu diperhatikan adalah sifat dari kedua populasi
tempat sampel diambil. Terdapat dua kondisi untuk uji dua mean sampel dalam kasus ini,
yaitu sampel saling bebas dan sampel berpasangan. Informasi variansi sangat berpengaruh
dalam uji ini.
Supriyanto, M.Si. Modul Praktikum Biostatistika 30

Banyak penelitian yang memerlukan perbandingan antara dua populasi, misalnya

membandingkan dua cara mengajar, dua cara produksi, daya sembuh dua macam obat, dan
lain-lain. Untuk keperluan ini akan digunakan dasar distribusi sampling mengenai selisih
statistik, misalnya selisih mean.

3. Dasar Teori
Misalkan diketahui dua populasi normal dengan masing-masing mean 1 dan 2 serta
deviasi standar 1 dan 2. Secara independen dari populasi pertama diambil sample
berukuran n1 dan populasi kedua diambil sample berukuran n2. Dari kedua sample
diperoleh mean sample dan deviasi standar sample masing-masing X 1 dan s1 dan X 2 dan
s2 .
Jika 1 dan 2 diketahui dan 1 = 2 = , maka uji mean untuk perbandingan dua
populasi tersebut adalah :
X1 X 2
1. Statistik uji yang digunakan adalah z
1 1

n1 n2

2. Bentuk Hipotesis dua arah

H0 : 1 = 2
H1 : 1 2
Jika 1 = 2 tetapi keduanya tidak diketahui, maka uji mean untuk perbandingan dua
populasi tersebut menggunakan statistik uji t,
X1 X 2
t
1 1
s
n1 n2

dengan
n1 1s12 n2 1s22
s
2

n1 n2 2
Supriyanto, M.Si. Modul Praktikum Biostatistika 31

Jika 1 2 dan keduanya sama-sama tidak diketahui, maka statistik uji yang
digunakan adalah
X1 X 2
t'
s
2
1
/ n1 s 22 / n2
Untuk uji satu sisi (baik sisi kiri ataupun sisi kanan) semua prosedurnya analog dengan uji
satu sample.

3. Prosedur Minitab
Uji dua arah Mean (Rata-Rata) dengan statistik uji t
Sintaks Minitab untuk kasus uji dua populasi perlu diperhatikan:
a. Jika standar deviasi dari kedua populasi ini dianggap tidak sama s1s2
a.1. Bentuk Hipotesis dua arah
H0 : 1 = 2
H1 : 1 2
MTB > TwoSample C1 C2;
SUBC> Confidence 1-alpha; /* alpha suatu nilai 1%, 5% dll */
SUBC> Alternative 0;
SUBC> GBoxplot.
a.2. Bentuk Hipotesis satu arah
H0 : 1 = 2
H1 : 1 < 2
MTB > TwoSample C1 C2;
SUBC> Confidence 1-alpha; /* alpha suatu nilai 1%, 5% dll */
SUBC> Alternative -1;
SUBC> GBoxplot.

a.3. Bentuk Hipotesis satu arah

H0 : 1 = 2
H1 : 1 > 2
MTB > TwoSample C1 C2;
SUBC> Confidence 1-alpha; /* alpha suatu nilai 1%, 5% dll */
SUBC> Alternative 1;
Supriyanto, M.Si. Modul Praktikum Biostatistika 32

SUBC> GBoxplot.

b. Jika standar deviasi dari kedua populasi ini dianggap sama, s1=s2
b.1. Bentuk Hipotesis dua arah
H0 : 1 = 2
H1 : 1 2
MTB > TwoSample 'NIlai SE1' 'Nilai SE2';
SUBC> Pooled;
SUBC> Confidence 1-alpha; /* alpha suatu nilai 1%, 5% dll */
SUBC> Alternative 0;
SUBC> GBoxplot.

b.2. Bentuk Hipotesis satu arah kurang dari

H0 : 1 = 2
H1 : 1 < 2
MTB > TwoSample 'NIlai SE1' 'Nilai SE2';
SUBC> Pooled;
SUBC> Confidence 1-alpha; /* alpha suatu nilai 1%, 5% dll */
SUBC> Alternative -1;
SUBC> GBoxplot.

b.3. Bentuk Hipotesis satu arah lebih dari

H0 : 1 = 2
H1 : 1 > 2
MTB > TwoSample 'NIlai SE1' 'Nilai SE2';
SUBC> Pooled;
SUBC> Confidence 1-alpha; /* alpha suatu nilai 1%, 5% dll */
SUBC> Alternative 1;
SUBC> GBoxplot.

4. Latihan
1. Dua jenis makanan diberikan kepada sejenis serangga yang diletakkan secara
terpisah. Ingin diketahui jenis makanan mana yang dapat menambah berat badan
serangga tersebut. Sampel random yang terdiri dari 15 serangga diberi makan jenis
Supriyanto, M.Si. Modul Praktikum Biostatistika 33

A dan 20 serangga diberi makan jenis B. Berat badan yang dihasilkan adalah
sebagai berikut (dalam gram):
Sampel Makanan A Makanan B Sampel Makanan A Makanan B
1 89 76 11 65 86
2 75 84 12 86 69
3 91 98 13 65 86
4 73 69 14 76 46
5 79 75 15 64 76
6 86 66 16 58
7 68 85 17 87
8 75 69 18 76
9 73 67 19 69
10 89 82 20 88

Dengan menggunakan taraf nyata 5 % kesimpulan apa yangdapat diperoleh ?

Interpretasikan seluruh tampilan dari output yang dihasilkan.

2. Tahun lalu nilai mata kuliah Statistika diketahui deviasi standarnya adalah 15. Pada
tahun ini kuliah Statistika diberikan oleh dua dosen. Untuk keperluan perbandingan
metode mengajar dua dosen tersebut, diambil sample random 10 mahasiswa dengan
dosen A dan 13 mahasiswa dari dosen B. Nilai yang diperolehnya adalah sebagai
berikut.
Sampel Dosen A Dosen B
1 76 66
2 75 91
3 91 70
4 58 81
5 45 93
6 90 76
7 68 54
8 75 45
9 59 67
10 71 87
11 86
12 59
13 86
Supriyanto, M.Si. Modul Praktikum Biostatistika 34

Dari data diatas, kesimpulan apa yang dapat Anda peroleh ?

Dari dua latihan di atas, bagaimana jika Anda lakukan dengan perintah dari Menu
Window?

Bentuk hipotesis, statistic uji, dan criteria penolakan H0 dapat dilihat dalam table di bawah
ini.
 Statistik uji untuk kasus dua sampel saling bebas

Uji Informasi 2 arah arah kiri arah kanan

Ho : 1 = 2 Ho : 1 2 Ho : 1 2
Hipotesis H1 : 1 2 H1 : 1 2 H1 : 1 >2

1, 2
x1 x 2 x1 x 2 x1 x 2
diketahui z z z
Statistik 12 22 12 22 12 22

n1 n2 n1 n2 n1 n2

Ho ditolak jika z z0,5(1 ) atau z z0,5 z z0,5

mean 2 sampel z z0,5(1 )
dari populasi
yang saling
Hipotesis Ho : 1 = 2 Ho : 1 2 Ho : 1 2
bebas 1, 2 H1 = 1 2 H1 : 1 2 H1 = 1 2
tidak
diketahui, x1 x 2 x1 x 2 x1 x 2
z z z
n1 30 n2 30 Statistik s12 s 22 s12 s 22 s12 s 22

n1 n2 n1 n2 n1 n2

Ho ditolak jika z z0,5(1 ) atau z z0,5 z z0,5

z z0,5(1 )

Hipotesis Ho : 1 = 2 Ho : 1 2 Ho : 1 2
1, 2 H1 = 1 2 H1 : 1 2 H1 = 1 2
tidak
diketahui, x1 x 2
t
n1 30 n2 30 Statistik (n1 1) s12 (n 2 1) s 22 1 1

n1 n 2 2 n1 n2

Ho ditolak jika 2 P-value P-value P-value

Contoh :
Dua jenis vitamin A dan B diberikan kepada ayam secara terpisah untuk jangka waktu
tertentu. Ingin diketahui jenis makanan mana yang lebih baik bagi ayam tersebut. Sampel
random terdiri dari 11 ayam diberi makanan A dan 10 ayam diberi makanan B.
Pertambahan berat badan ayam (dalam ons) hasil percobaan adalah sebagai berikut :

A B
3,1 2,7
3 2,9
3,3 3,4
2,9 3,2
2,6 3,3
3 2,9
3,6 3
2,7 3
3,8 2,6
4 3,7
3,4

Dengan taraf nyata 5%, tentukan apakah kedua macam makanan itu berbeda kualitasnya?
Supriyanto, M.Si. Modul Praktikum Biostatistika 26

Contoh :

4. Latihan
1. Misalkan dengan data yang sama dengan kasus contoh 1, kita ingin menguji apakah
rata-ratanya = 80 pada tingkat signifikansi 10%.
2. Akhir-akhir ini masyarakat mengeluh bahwa isi bersih susu kemasan merk AAA
yang tertulis 1 kg ternyata tidak sama seperti yang tercantum. Untuk mengetahui hal
tersebut Badan Pengawas melakukan penyelidikan terhadap produk susu kemasan
AAA. Untuk keperluan tersebut diambil sample berukuran 23. Jika ada informasi
dari pabrik bahwa deviasi standar untuk susu kemasan tersebut sebesar 100 gram,
tentukan kesimpulan Saudara tentang hal tersebut dengan mengambil taraf nyata
0,05. Data untuk ke-23 sampel tersebut adalah sebagai berikut :1005; 1100; 900;
980; 890; 1050; 940; 950; 940; 1055; 910; 950; 955; 1105; 1005; 1000; 1005; 1010;
980; 975; 1005; 985; dan 1010. Interpretasikan seluruh tampilan yang dihasilkan
(output)nya.
3. Dikatakan bahwa untuk menambah berat telor ayam buras, seorang peternak
menyuntikkan obat tertentu pada ayam-ayamnya. Berat telor rata-rata setelah
mendapatkan suntikan adalah 70 gram. Untuk membuktikannya seorang peneliti
mengambil sample 20 telor sebagai berikut : 60; 50; 80; 70; 65; 55; 60; 70; 75; 45;
45; 50; 60; 60; 75; 77; 70; 63; 66; dan 57. Dengan menggunakan taraf nyata sebesar
5 %, apakah kesimpulan yang dapat diambil peneliti tadi? Interpretasikan seluruh
tampilan yang dihasilkan (output)nya.