Anda di halaman 1dari 27

Bahan Ajar

Fungsional Statistisi Tingkat Ahli

Pengujian Hipotesis

Ahmadriswan Nasution

PUSAT PENDIDIKAN DAN PELATIHAN


BADAN PUSAT STATISTIK
2017
KATA PENGANTAR

Sejalan dengan upaya mewujudkan Pegawai Negeri Sipil (PNS) yang profesional melalui
jalur pendidikan dan pelatihan (Diklat), pembinaan diklat khususnya Diklat Fungsional Statistisi
Tingkat Ahli (FSTA) terus dilakukan. Salah satu upaya pembinaan yang ditempuh adalah melalui
pembuatan bahan ajar mata diklat Pengujian Hipotesis.

Kehadiran Modul Pengujian Hipotesis untuk Diklat FSTA Angkatan XVIII Tahun 2017 ini
dapat menjadi acuan dalam proses pembelajaran, sehingga standarisasi penyelenggaraan Diklat
dapat terlaksana dengan baik. Modul ini dapat membantu widyaiswara atau fasilitator dalam
mendisain pengajaran yang akan disampaikan pada peserta dDiklat; membantu pengelola dan
penyelenggara Diklat dalam Penyelenggaraan Diklat; dan membantu peserta dalam mengikuti
proses pembelajaran.

Selamat menggunakan, semoga melalui modul ini, kompetensi statistik bagi peserta Diklat
FSTA dapat tercapai. Semoga

Jakarta, Oktober 2017

Penulis

i
DAFTAR ISI

Halaman
KATA PENGANTAR .................................................................................................................... i
DAFTAR ISI .................................................................................................................................. ii
BAB I. PENDAHULUAN ............................................................................................................... 1
A. Latar Belakang ......................................................................................................... 1
B. Deskripsi Singkat ..................................................................................................... 1
C. Manfaat Bahan Ajar Bagi Peserta ............................................................................ 1
D. Tujuan Pembelajaran ............................................................................................... 1
1. Hasil Belajar ...................................................................................................... 1
2. Indikator Hasil Belajar ....................................................................................... 1
E. Materi Pokok dan Sub Materi Pokok ........................................................................ 2
F. Petunjuk Belajar ....................................................................................................... 2
BAB II. PENGERTIAN DAN JENIS HIPOTESIS STATISTIK ...................................................... 3
A. Pengertian Hipotesis Statistik…………..................................................................... 3
B. Hipotesis Penelitian dan Hipotesis Statistik ……… .................................................. 3
C. Jenis Pengujian Hipotesis Statistik ........................................................................... 4
D. Prasyarat Pengujian Hipotesis Statistik …………………………………………………. 4
BAB III. PRINSIP PENGUJIAN HIPOTESIS STATISTIK ............................................................. 7
A. Hipotesis Nol dan Alternatif …… .............................................................................. 7
B. Jenis Kesalahan (Type of Error)…… ........................................................................ 7
C. Signifikansi Pengujian Hipotesis Statistik ................................................................. 8
BAB IV. PROSEDUR PPENGUJIAN STATISTIK ......................................................................... 10
A. Langkah-langkah Pengujian Hipotesis Statstik…… ................................................. 10
B. Pengujian Hipotesis Statistik Satu Populasi…… ...................................................... 10
C. Pengujian Hipotesis Statistik Dua Populasi …… ...................................................... 14
BAB V. PENUTUP ........................................................................................................................ 19
A. Kesimpulan ............................................................................................................... 19
B. Implikasi.................................................................................................................... 19
C. Tindak Lanjut ............................................................................................................ 19

ii
DAFTAR PUSTAKA ..................................................................................................................... 20
LAMPIRAN .................................................................................................................................... 21

iii
BAB I
PENDAHULUAN

A. Latar Belakang

Modul Pengujian Hipotesis merupakan salah satu media pembelajaran yang disediakan untuk Diklat
Fungsional Statistisi Tingkat Ahli. Modul ini telah disesuaikan dengan butir-butir penilaian dari tugas/pekerjaan
seorang pejabat fungsional statistisi ahli khususnya yang berkaitan dengan analisis data dan penyusunan
karya tulis ilmiah yang menggunakan metode pengujian hipotesis. Kompetensi yang ingin dicapai setelah
mempelajari modul ini adalah peserta dapat memahami tentang pengujian hipotesis parameter suatu
populasi. Sehingga, dapat menunjang tugas peserta diklat sebagai pejabat fungsional statistisi tingkat ahli.
Disamping itu, modul ini juga sebagai panduan bagi fasilitator dalam mendesain pembelajaran mata diklat
pengujian hipotesis.

B. Deskripsi Singkat

Mata diklat pengujian hipotesis merupakan mata diklat yang mempelajari metode inferensia parametrik.
Metode tersebut meliputi prosedur melakukan pengujian hipotesis nilai parameter populasi. Pengujian
hipotesis statistik dapat berbentuk suatu variabel seperti Binomial, Poisson, dan Normal atau nilai dari suatu
parameter, seperti rata-rata, varians, simpangan baku dan proporsi.

C. Manfaat Bahan Ajar Bagi Peserta

Manfaat pemberian mata diklat pengujian hipotesis adalah memberikan tambahan pengetahuan bagi peserta,
khususnya pengujian hipotesis. Sehingga peserta dapat melakukan pengujian hipotesis statistik dan
penarikan kesimpulan tentang karakteristik populasi. Pengetahun ini nantinya sangat bermanfaat bagi peserta
dalam melakukan analisis statistik dan pembuatan karya tulis ilmiah.

D. Tujuan Pembelajaran

1. Hasil Belajar

Setelah mengikuti pembelajaran ini, peserta dapat menerapkan pengujian hipotesis statistik dalam pekerjaan
analisis data dan penulisan karya tulis ilmiah.

2. Indikator Hasil Belajar

Setelah mempelajari materi ini secara khusus, peserta dapat:


 Menjelaskan pengertian dan jenis hipotesis statistik;
 Menjelaskan prinsip dasar pengujian hipotesis statistik; dan
 Menerapkan pengujian hipotesis statistik.

Ahmadriswan Nasution/ Pengujian Hipotesis 1


E. Materi Pokok dan Sub Materi Pokok

 Materi Pokok:
1) Pengertian dan Jenis Hipotesis Statistik
2) Prinsip Pengujian Hipotesis Statistik
3) Prosedur Pengujian Hipotesis Statistik
 Sub Materi Pokok:
1.2. Pengertian Hipotesis Statistik
1.3. Hipotesis Penelitian dan Hipotesis Statistik
1.4. Jenis Pengujian Hipotesis Statistik
1.5. Prasayarat Pengujian Hipotesis Statistik
2.1. Hipotesis Nol dan Alternatif
2.2. Jenis Kesalahan (Type of Error)
2.3. Signifikansi Pengujian Hipotesis Statistik
3.1. Langkah-langkah Pengujian Hipotesis Statistik
3.2. Pengujian Hipotesis Statistik satu populasi
3.3. Pengujian Hipotesis Statistik dua populasi.

F. Petunjuk Belajar

Untuk membantu memenuhi tujuan pembelajaran di atas, materi dalam modul ini dibagi menjadi tiga bagian,
yaitu pendahuluan (Bab I dan II), petunjuk dan prosedur pengujian hipotesis statistik (Bab III), dan penutup
(Bab IV). Ketiga bagian ini harus dipelajari secara berurutan dan mengerjakan contoh-contoh soal yang ada.
Bagi peserta diharapkan membuat rangkuman untuk setiap bagian dengan menggunakan bahasa sendiri.
Sedangkan fasilitator, sebelum memulai pembelajaran bagian tertentu terlebih dahulu melakukan review
pembahasan sebelumnya.

Ahmadriswan Nasution/ Pengujian Hipotesis 2


BAB II
Pengertian Hipotesis Statistik

Dalam kehidupan sehari-hari, banyak hal yang dapat dideskripsikan dalam bentuk data. Data yang diperoleh
tentunya harus terlebih dahulu diolah agar menjadi sebuah informasi yang mudah dibaca dan dianalisa.
Statistika adalah suatu ilmu yang mempelajari tentang cara-cara pengolahan dan analisis data. Untuk
memperoleh data dan informasi tersebut, diperlukan adanya suatu penelitian. Penelitian ini dilakukan melalui
berbagai cara dan berbagai langkah pengujian. Sebelum dilakukan penelitian, biasanya penelitiakan
memperkirakan terlebih dahulu (menduga-duga) apa yang akan diteliti. Pernyataan dugaan atau pernyataan
sementara ini disebut Hipotesis.

A. Pengertian Hipotesis

Hipotesis berasal dari bahasa Yunani yang mempunyai dua arti kata yaitu kata “hupo” berarti lemah atau
kurang atau dibawah (sementara) dan “thesis” berarti (pernyataan atau teori, proposisi atau pernyataan yang
disajikan sebagai bukti). Jadi, hipotesis merupakan pernyataan sementara yang masih lemah kebenarannya
dan perlu dibuktikan atau dugaan yang sifatnya masih sementara. Kemudian para ahli menafsirkan arti
hipotesis sebagai perkiraan terhadap hubungan antara dua buah variabel atau lebih. Sehingga, dapat
diartikan bahwa hipotesis adalah jawaban atau perkiraan (dugaan) sementara yang harus diuji lagi
kebenarannya.

Hipotesis statistik adalah suatu pernyataan atau perkiraan mengenai keadaan populasi yang sifatnya masih
sementara atau lemah kebenarannya. Hipotesis statistik dapat berbentuk suatu variabel seperti Binomial,
Poisson, dan Normal atau nilai dari suatu parameter, seperti rata-rata, varians, simpangan baku dan proporsi.
Hipotesis statistik akan diterima jika hasil pengujian membenarkan pernyataannya dan akan ditolak jika terjadi
penyangkalan (penyanggahan dari pernyataan tersebut).

Selanjutnya, pengertian pengujian hipotesis (hypothesis testing) adalah suatu prosedur yang dilakukan
dengan tujuan memutuskan apakah kita (peneliti) menerima atau menolak suatu hipotesis itu. Dalam
pengujian hipotesa, keputusan yang dibuat mengandung ketidakpastian. Artinya keputusan itu bisa benar
(might be true) atau salah (might not be true), sehingga menimbulkan risiko. Besar kecilnya risiko dinyatakan
dalam bentuk probabilitas. Pengujian hipotesis merupakan bagian terpenting dari inferensial statistik
(statistical inference), karena berdasarkan pengujian (testable hypothesis) tersebut, pembuatan keputusan
atau pemecahan persoalan sebagai bagian penelitian lebih lanjut dapat diselesaikan.

B. Hipotesis Penelitian dan Hipotesis Statistik

Hipotesis diturunkan berdasarkan suatu teori atau kajian literatur tentang suatu persoalan yang dihadapi.
Hipotesis biasanya masih berbentuk pernyataan kualitatif, kemudian dikonversi menjadi hipotesis statistik
yang dapat diuji (testable hypothesis) secara empiris. Dalam suatu penelitian, terdapat hipotesis penelitian
yang menentukan bagaimana suatu rancangan penelitian (research design)? Hipotesis penelitian
memberikan arahan bagaimana penelitian perlu dilakukan untuk memungkinkan pengujian hipotesis tersebut
secara statistik. Hipotesis penelitian berbeda dengan hipotesis statistik dalam dua hal.

Ahmadriswan Nasution/ Pengujian Hipotesis 3


Pertama, hipotesis penelitian belum bisa langsung diuji secara statistik, karena hipotesis penelitian pada
umumnya masih bersifat peryataan yang berbentuk abstrak atau kualitatif. Dengan kata lain, suatu hipotesis
penelitian diuji secara statistik, maka hipotesis tersebut harus dibuat secara lebih terukur dan bersifat angka.
Misal, hipotesis penelitian adalah (a) anak sekolah dasar (SD) yang perempuan lebih mempunyai
kemampuan pemahaman membaca dibandingkan anak SD yang laki-laki, atau (b) jika obat sakit kepala
dikonsumsi, maka sakit kepala akan menurun. Untuk dapat diuji secara statistik, maka kedua hipotesis ini
haruslah dibuatkan dalam bentuk yang cocok untuk pengujian hipotesis secara statistik.

Kedua, dalam pengujian secara statistik, biasanya hipotesis penelitian yang merupakan pertanyaan utama
dalam suatu penelitian akan diletakkan sebagai hipotesis alternatif, sebagaimana disebutkan di atas,
pengujian hipotesis secara statistik bisa dilakukan dalam kondisi parameter populasi mengambil suatu nilai
tertentu. Sedangkan hipotesis penelitian biasanya berbentuk ada perbedaan dibanding kondisi yang lama
(sehingga hipotesisnya berbetuk tidak sama, lebih besar atau lebih kecil).

C. Jenis Pengujian Hipotesis Statistik

1. Hipotesis Deskriptif.

Hipotesis deskriptif adalah perkiraan tentang nilai suatu variabel mandiri. Hipotesis ini tidak membuat
perbandingan atau hubungan. Sebagai contoh bila rumusan masalah penelitian sebagai berikut ini,
maka hipotesis (jawaban sementara) yang dirumuskan adalah hipotesis deskriptif. Dalam
perumusan hipotesis statistik, antara hipotesis nol (H0) dan hipotesis alternatif (H1) selalu
berpasangan, bila salah satu ditolak, maka yang lain diterima, sehingga dapat dibuat keputusan
yang tegas, yaitu kalau H0 ditolak pasti H1 diterima. Contoh: Seorang dokter mengatakan bahwa
lebih 60% pasien kanker adalah karena merokok.
H0: µ ≥ 0.60
H1: µ < 0.60
2. Hipotesis Hubungan (Asosiatif)

Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan perkiraan tentang hubungan antara
dua variable atau lebih. Contoh rumusan masalahnya adalah “apakah ada hubungan antara gaya
kepemimpinan dengan kesuksesan?”. Rumus dan hipotesis nolnya adalah: Tidak ada hubungan
antara gaya kepemimp9inan dengan kesuksesan. Hipotesis statistiknya adalah:
H0 : ρ = 0
H1 : ρ ≠ 0

D. Prasayarat Pengujian Hipotesis Statistik

Sebelum melakukan pengujian hipotesis tentang suatu parameter (populasi), maka perlu dipahami
terlebih dahulu tentang:
 Distribusi empiris dari sebuah variabel;
 Distribusi teoritis dari sebuah variabel; dan
 Distribusi sampling (sampling distribution) dari sebuah penduga (estimation)

1. Distribusi Teoritis
Ahmadriswan Nasution/ Pengujian Hipotesis 4
Dalam statistika, terdapat banyak distribusi teoritis yang biasa digunakan sebagai pendekatan suatu distribusi
empiris. Hal ini dilakukan supaya dapat dilakukan analisis statistik yang berdasarkan asumsi bahwa suatu
distribusi empiris mengikuti suatu distribusi teoritis tertentu. Dengan demikian, ada yang namanya uji
kecocokan (Goodness of Fit Test) yang bisa dipakai untuk menguji apakah suatu distribusi empiris memang
mengikuti suatu distrubusi teoritis tertentu.

Salah satu distrubusi teoritis yang sering digunakan dalam pengujian hipotesis statistik adalah distribusi
normal. Distribusi normal merupakan salah satu distribusi teoritis dari peubah acak kontinyu. Fungsi distribusi
ini akan berbentuk suatu lonceng. Bentuk distribusi normal dengan rata-rata µ dan deviasi standar  adalah
sebagai terlihat pada gambar 1. di bawah ini.

Gambar 1. Kurva distribusi normal dengan parameter µ dan 

Adapun fungsi distribusinya dapat ditulis sebagai berikut:


1  x 
2

f x  
1   
2  
 2
e
Distribusi normal bergantung pada dua parameter yaitu rata-rata () dan varian (2). Dari fungsi f(x) di atas
dapat disimpulkan bahwa x mengikuti distribusi normal dengan rata-rata  dan varian 2 atau di tulis dengan:

X ~ N ;  2 . 
Dalam distribusi kontinyu, cara menghitung probabilitanya adalah dengan jalan mencari luas daerah di bawah
kurvanya, dimana caranya adalah dengan menghitung integral dari fungsi peubah acaknya (f(x)) dengan
batas yang ada. Sayangnya distribusi normal mempunyai fungsi peubah acak yang tidak memiliki integral
yang sederhana. Untuk memudahkan dalam penghitungan dilakukan suatu metode transformasi variabel,
dengan cara membentuk variabel baru yaitu variabel Z dimana nilainya adalah :
x
Z ~ N 0,1

Dari transformasi ini didapat rata-rata nilai Z adalah 0 dan variannya 1. Maka Z dikatakan mengikuti distribusi
normal standar. Dalam distribusi ini nilai rata-rata dan variannya sudah baku, sehingga fungsi peluang dari
variabel z adalah :
f z  
1
e 1 2 z ;  z  
2

2
Nilai peluang dari z yang telah dihitung dan dibuatkan tabelnya, selanjutnya dikatakan tabel Z atau tabel
normal standar.

2. Distribusi Sampling

Distribusi sampling merupakan dasar atau langkah awal dalam statistik inferensial sebelum melakukan
Ahmadriswan Nasution/ Pengujian Hipotesis 5
pengujian hipotesis. Distribusi sampling adalah distribusi dari mean-mean yang diambil secara berulang kali
dari suatu populasi. Bila pada suatu populasi tak terhingga dilakukan pengambilan sampel secara acak
berulang-ulang, sehingga semua sampel yang mungkin dapat ditarik dari populasi tersebut. Sampel yang
diambil dari populasi terbatas dan sebelum dilakukan pengambilan sampel berikutnya sampel unit
dikembalikan kedalam populasi. Proses ini dilakukan berulang-ulang dalam jumlah yang sangat banyak,
sehingga dihasilkan sejumlah sampel.

Bila sampel-sampel yang dihasilkan dihitung rata-ratanya, maka akan menghasilkan nilai rata-rata yang
berbeda hingga dapat disusun menjadi suatu distribusi yang disebut distribusi rata-rata sampel. Bila dihitung
deviasi standarnya dinamakan deviasi standar distribusi rata-rata sampel atau kesalahan baku rata-
rata (mean standard error).

Untuk memahami distribusi sampling ini perlu kita ketahui suatu ketentuan yang dapat membedakan
beberapa ukuran antara sampel dan populasi. Untuk mempelajari populasi kita memerlukan sampel yang
diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran
n dari sebuah populasi berukuran N, pada prakteknya hanya sebuah sampel yang biasa diambil dan
digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel tersebut nilai-nilai
statistiknya dihitung untuk digunakan seperlunya. Untuk ini diperlukan sebuah teori yang dikenal dengan
nama distribusi sampling. Distribusi sampling biasanya diberi nama bergantung pada nama statistik yang
digunakan. Demikianlah umpamanya kita kenal distribusi sampling rata-rata, distribusi sampling proporsi,
distribusi simpangan baku, dan lain-lain. Nama-nama tersebut biasa disingkat lagi berturut-turut menjadi
distribusi rata-rata, distribusi proporsi, distribusi simpangan baku, dan lain-lain.

Ahmadriswan Nasution/ Pengujian Hipotesis 6


BAB III
Prinsip Pengujian Hipotesis Statistik
Bagian ini membahas hipotesis nol dan alternatif, jenis kesalahan, serta signifikansi pengujian hipotesis
secara statistik disertai contoh-contoh untuk latihan.

A. Hipotesis Nol dan Alternatif

Pengujian hipotesis adalah suatu metode menguji suatu hipotesis tentang suatu populasi (parameter
populasi, misal µ) dengan menggunakan data sampel (misal n pengamatan). Dalam pengujian hipotesis,
diperlukan dua jenis hipotesis, yaitu hipotesis nol (ditulis Ho) dan hipotesis alternatif (ditandai dengan H1)1.
Hipotesis nol adalah sebuah pernyataan tentang parameter populasi (seperti rata-rata , persentase P, atau
deviasi standar ). Hipotesis nol harus dalam bentuk sama dengan, sehingga bisa memberikan sebuah nilai
spesifik (a specific value) dari parameter, karena semua penghitungan dalam pengujian hipotesis akan
tergantung kepada nilai tersebut (yaitu dengan kondisi bila Ho benar).

B. Jenis Kesalahan (Type of Error)

Dalam pengujian hipotesis secara statistik terdapat dua kemungkinan kesalahan dalam pengambilan
keputusan, yaitu:
- menolak hipotesis nol yang benar, disebut kesalahan Tipe I, atau
- menerima hipotesis nol yang salah, disebut kesalahan Tipe II.
Akan tetapi, dalam pengujian hipotesis secara statistik besarnya peluang melakukan kesalahan Tipe I ini
dapat ‘dikendalikan’ dengan menentukan besarannya, yaitu , atau dalam pengertian lain disebut taraf
nyata/signifikansi (level of significance). Nilai  biasanya 10%, 5%, atau 1%.

Dengan demikian, seorang pejabat publik apabila mendapat laporan hasil suatu pengujian hipotesis, misalnya
tentang nilai persentase penduduk yang menyetujui suatu usulan program/kegiatan, maka dia memahami
bahwa pengambilan keputusan dalam pengujian hipotesis tersebut (misalnya menolak Ho) mengandung satu
kemungkinan kesalahan, yaitu menolak hipotesis nol yang benar dengan peluang % (sebesar 10%, atau
5%, atau 1%). Di samping itu, masih ada kemungkinan melakukan kesalahan tipe II, jika keputusannya adalah
‘gagal menolak Ho’ atau ‘menerima’ Ho, yaitu menerima Ho yang salah, dengan peluang menerima Ho ketika
Ho salah (yaitu ). Pada contoh di atas tidak dapat dikendalikan, sehingga nilai besar  tidak diketahui.

Secara singkat terdapat dua kemungkinan hasil dalam suatu pengujian hipotesis, tergantung kepada data
yang diperoleh, yaitu:
- ‘menolak Ho’, yang berarti bahwa data yang diperoleh memberikan ‘bukti’ untuk menganggap bahwa Ho
adalah ‘tidak mungkin benar (unlikely to be true), yang berarti H1 berkemungkinan benar (likely to be
true); atau
- ‘gagal menolak Ho’, yang berarti bahwa data yang dipunyai tidak memberikan bukti yang cukup untuk
menyatakan bahwa Ho adalah tidak benar (atau menolak Ho) (no enough evidence to reject Ho). Ho
tersebut (yang tidak ditolak) bisa saja salah (untrue), tetapi tidak ada bukti untuk menyatakan Ho itu

Ahmadriswan Nasution/ Pengujian Hipotesis 7


salah. Dengan kata Iain, Ho tampaknya bisa ‘dipercaya’ (appears to be believable). Ho tersebut bisa saja
benar, tetapi juga tidak ada bukti untuk mendukungnya.

Karena hipotesis yang akan diuji secara statistik (hipotesa nol) adalah bisa benar atau bisa salah (ada 2
kemungkinan), dan keputusan terhadap hipotesis nol tersebut adalah menolak atau gagal menolak, maka
terdapat 4 (empat) kemungkinan hasil keputusan berdasarkan data sampel, sebagai mana yang disajikan di
Tabel 1. di bawah ini:

Tabel 1. Kemungkinan keputusan pengujian suatu hipotesis


Hipotesis Nol
Keputusan
Benar Salah
Menolak Kesalahan Tipe I Tindakan yang tepat
Gagal Menolak Tindakan yang tepat Kesalahan Tipe II

Tabel 1, menggambarkan bahwa dalam mengambil keputusan, menolak atau ‘gagal menolak’ suatu hipotesis
nol (Ho) berdasarkan data sampel, terdapat salah satu dari dua kesalahan, yaitu kesalahan tipe I, yaitu
menolak suatu hipotesis nol yang benar, dan kesalahan tipe II yaitu menerima hipotesis nol yang salah.
Mungkin saja Ho yang akan diuji memang benar, akan tetapi berdasarkan pengamatan sampel, hipotesis ini
ditolak, dan sebaliknya mungkin saja H0 tersebut salah. tetapi pengamatan sampel mengarahkan si peneliti,
misalnya, untuk menerima hipotesis yang salah ini.

Analogi kasus di atas, adalah dilema yang dialami oleh seorang hakim dalam sebuah pengadilan. Hipotesis
yang akan diuji adalah bahwa si terdakwa tidak bersalah (presumption of innocence). Hakim tersebut bisa
saja, berdasarkan bukti-bukti di persidangan, menolak hipotesis ini, dinyatakan dia bersalah dan dimasukkan
ke penjara, padahal memang dia tidak bersalah. Ini adalah kemungkinan kesalahan tipe I yang bisa dilakukan
oleh hakim dalam membuat keputusan di pengadilan.

Sebaliknya, bisa saja sebenarnya si terdakwa tersebut bersalah, tetapi hakim gagal menolak (dengan kata
lain ‘menerima’) hipotesis nol yang menyatakan bahwa dia tidak bersalah. Akibatnya, si terdakwa tersebut
dibebaskan. Ini adalah kemungkinan kesalahan tipe II yang juga dapat dilakukan oleh hakim.

Tentunya kedua kemungkinan keputusan yang lain (menolak suatu hipotesis nol yang salah atau gagal
menolak suatu hipotesis nol yang benar) merupakan suatu tindakan yang tepat. Dengan kata lain, ke dua
kemungkinan keputusan ini bukanlah hal yang perlu dirisaukan dalam pengujian hipotesis secara statistik.

C. Sigifikansi Pengujian Hipotesis Statistik

Dalam statistika, pengujian hipotesis merupakan salah satu metoda inferensia yang sering digunakan dalam
penelitian. Sayangnya, pada banyak laporan penelitian sering pengujian hipotesis digabungkan dengan
pendugaan interval. Memang ke dua hal ini terkait satu dengan yang lain, tetapi dengan menggabungkannya,
maka sering terjadi kerancuan penggunaan istilah tingkat/derajat/taraf kepercayaan/keyakinan (confidence
level), dengan istilah tingkat/derajat/taraf signifikansi/nyata (significance level). Karena itu, pada awal
pembahasan ini disarankan bahwa untuk pendugaan interval sebaiknya gunakan saja tingkat kepercayaan
dan untuk pengujian hipotesis gunakan saja taraf signifikansi.

Dengan perkataan lain, hendaklah jangan melakukan pengujian hipotesis berdasarkan pendugaan interval
yang menggunakan tingkat kepercayaan tertentu (secara teori ini tidak salah, tetapi membingungkan!), tetapi
Ahmadriswan Nasution/ Pengujian Hipotesis 8
lakukanlah pengujian hipotesis dengan menggunakan tingkat signifikansi tertentu.

Yang pertama perlu diketahui dalam pengujian hipotesis secara statistik, terdapat hipotesis nol (yang akan
diuji) dan, sebagaimana telah disebutkan di atas, maka secara teori hendaknya hipotesis ini berbentuk sama
dengan (=), sehingga memberikan suatu nilai tertentu. Sehingga bila dilakukan pengambilan sampel, maka
distribusi sampling dari statistik yang dipakai untuk menguji hipotesis nol tersebut dapat diturunkan, sehingga
proses pengujian dapat dilakukan.

Secara bahasa sehari-hari hasil yang signifikan secara statistik berarti peluangnya adalah sangat kecil bahwa
perbedaan antara nilai pengamatan berdasarkan sampel dengan nilai yang dihipotesakan terjadi hanya
karena faktor kebetulan saja (chance alone). Ada faktor lain selain kebetulan. Artinya, bila seorang statistisi
menyatakan signifikan ini berarti kalau Ho benar, nilai-P (P-value) dari pengamatan adalah sangat kecil,
sehingga Ho tersebut ‘diragukan’ atau ditolak.

Perlu dicacat, bahwa penolakan Ho diatas dilakukan karena perbedaan antara nilai pengamatan (observasi,
dalam contoh di atas adalah 𝑋 ̅ ) dengan nilai hipotesis (misal o = 2) secara statistik adalah signifikan
(statistically significant). Akan tetapi, berbeda signifikan secara statistik tersebut, tidak otomatis berarti
berbeda signifikan secara praktis atau substansi (practically significant). Signifikan secara praktis atau
substansi tidak tergantung pada signifikan secara statistik [yang hanya menunjukkan bahwa peluang
perbedaan tersebut terjadi secara kebetulan’ (by chance) adalah (sangat) kecil].

Dengan perkataan lain, dalam pengujian hipotesis secara statistik, bisa saja sebuah perbedaan yang kecil
terdeteksi signifikan, atau sebaliknya perbedaan yang besar terdeteksi tidak signifikan, karena salah satu
faktor yang menentukan hasil pengujian hipotesis adalah ukuran sampel. Dengan ukuran sampel yang kecil,
suatu perbedaan yang besar bisa tidak terdeteksi signifikan, dan sebaliknya dengan ukuran sampel yang
besar, bisa saja suatu perbedaan yang kecil terdeteksi signifikan.

Dengan demikian, bisa saja suatu perbedaan, misal antara hipotesis nol dengan rata-rata pengamatan,
secara statistik terdeteksi sebagai tidak berbeda nyata (not statistically significant), tetapi secara teori atau
substansi, perbedaan tersebut adalah berbeda nyata (but the difference is practically significant), atau
sebaliknya. Contoh, setelah dilakukan semacara percobaan dengan diberikannya semacam vitamin tertentu
dalam suatu periode ke pada sekelompok bayi, dijumpai perbedaan antara Ho = 2,5 kg dengan rata-rata
sampel, x = 2,8 kg* Secara statistik perbedaan tersebut, yaitu sebesar 0,3 kg, bisa saja dinyatakan tidak
signifikan, tetapi secara teori kesehatan perbedaan (kenaikan) berat badan bayi sebesar 0,3 kg tersebut
dalam periode pengamatan tersebut adalah signifikan.

Singkatnya, diperlukan ‘akal sehat’ (common sense atau logic) dari pembuat kebijakan dan pengambil
keputusan (pejabat) publik untuk menginterpretasikan hasil pengujian yang secara statistik adalah signifikan
ke dalam dunia sesungguhnya. Hasil penelitian yang signifikan secara statistik tidak selalu berarti “penting’,
bisa saja hasil ini tidak mempunyai ‘makna’ apa-apa secara substansi.

Ahmadriswan Nasution/ Pengujian Hipotesis 9


BAB IV
Prosedur Pengujian Hipotesis Statistik

Prosedur pengujian hipotesis statistik adalah tahapan yang dipergunakan dalam menyelesaikan pengujian
hipotesis tersebut. Pada bagian ini membahas langkah-langkah contoh pengujian hipotesis dan penerapann
ya dalam satu populasi dan dua populasi.

A. Langkah-langkah Pengujian Hipotesis

Berikut ini adalah enam langkah pengujian Hipotesis :

1. Menentukan bentuk uji hipotesis ( H0 dan H1 ) berdasarkan anggapan yang akan diuji. H1 adalah
hipotesis yang kita harapkan berlaku kebenarannya; H0 adalah hipotesis yang menolkan apa yang
sesungguhnya kita harapkan berlaku kebenarannya;

2. Menentukan taraf nyata () atau tingkat keyakinan (1-) yang akan digunakan;

3. Menentukan uji statistik yang akan digunakan;

4. Menentukan daerah kritis atau daerah penolakan terhadap H0;

5. Membandingkan statistik uji dengan daerah kritis; dan

6. Menarik kesimpulan berdasarkan langkah 6 diatas.

B. Pengujian Hipotesis Statistik Satu Populasi

Jika peubah acak XN(, 2), maka hipotesis yang perlu diuji biasanya mengambil salah satu dari ketiga
bentuk berikut:

1. H0 :  = 0 lawan H1 :  > 0

2. H0 :  = 0lawan H1 :  < 0

3. H0 :  = 0lawan H1 :   0

0 adalah suatu nilai yang telah ditetapkan terlebih dahulu. Misalkan, untuk menguji apakah rata-rata produksi
padi per Ha di suatu desa melebihi 5 ton, maka hipotesis yang akan di uji adalah:

H0 :  = 5 lawan H1 :  > 5

Dua hipotesis yang pertama (1 dan 2) di atas, menunjukkan harus diadakan uji satu arah (one tail test), karena
hipotesis tandingan menempatkan nilai  pada satu arah saja dari 0.

Ahmadriswan Nasution/ Pengujian Hipotesis 10


Bentuk yang ketiga (3) sebenarnya memiliki hipotesis tandingan yang merupakan kombinasi hipotesis
tandingan bentuk pertama (1) dan kedua (2). Pengujian terhadap bentuk ketiga (3) ini dengan demikian
bersifat dua arah (two tail test).

Pengujian suatu hipotesis harus didukung oleh adanya data yang dikumpulkan dari populasi berdasarkan
suatu sampel acak yang berukuran sebesar n. Misalkan bahwa nilai-nilai yang diamati adalah: {X1, X2, X3, …
, Xn}. Telah diketahui bahwa:
n

X i
 2
X i 1
N   , 
n  n 

Maka statistik uji yang dapat digunakan,yaitu:

1. Varian Populasi (2) Diketahui:

X  0
Z observasi  N (0,1)

n

2. Varian Populasi Tidak Diketahui, Jumlah Sampel Besar

Yang dimaksud jumlah sampel cukup besar adalah apabila n  30. Maka statistik ujinya adalah

X  0
Z observasi  N (0,1)
s
n

3. Varian Populasi Tidak Diketahui, Jumlah Sampel Kecil

Yang dimaksud jumlah sampel kecil adalah apabila n < 30. Maka statistik ujinya adalah

X  0
t observasi   t n 1
s
n
Keterangan:
n adalah ukuran sampel
s adalah nilai simpangan baku yang dihitung berdasarkan sampel berukuran n;
t n-1 adalah distribusi student-t, dengan derajat bebas (degrees of freedom) sebesar n – 1.

Ahmadriswan Nasution/ Pengujian Hipotesis 11


Kaidah pengambilan keputusan bagi ketiga bentuk kriteria pengujian adalah:
1. H0 :  = 0 lawan H1 :  > 0
Jika Zobservasi  Z, maka H0 tidak ditolak
Jika Zobservasi > Z, maka H0 ditolak, H1 diterima
2. H0 :  = 0 lawan H1 :  < 0
Jika Zobservasi  Z, maka H0 tidak ditolak
Jika Zobservasi < Z, maka H0 ditolak, H1 diterima
3. H0 :  = 0 lawan H1 :  ≠ 0
Jika  Zobservasi   Z/2, maka H0 tidak ditolak
Jika  Zobservasi > Z/2, maka H0 ditolak, H1 diterima

Untuk sampel kecil, kaidah keputusan di atas ditetapkan dengan menggunakan statistik uji tobservasi, yaitu
dengan menggantikan nilai Z atau Z/2 oleh nilai t;(n-1) atau t/2;(n-1).

Contoh 4.1

Dari pengalaman diketahui bahwa tinggi murid laki-laki kelas enam SD menyebar secara normal dengan
varian 2 = 25cm. Pendapat umum ialah bahwa tinggi rata-rata murid kelas enam = 120cm. Di suatu SD telah
diberikan tambahan minuman susu setiap hari selama 2 tahun. Kepala sekolah ingin mengetahui apakah
pemberian susu ini menambah tinggi badan rata-rata kelas enam. Diukur 100 orang murid kelas enam dan
mendapatkan nilai rata-rata 121 cm. Apakah data ini menyokong pendapat bahwa pemberian susu selama 2
tahun memberikan pertumbuhan badan yang lebih tinggi dengan taraf nyata 5%.

Jawab:
1. Penentuan hipotesis
H0 :  = 120
H1 :  > 120
2. Taraf Uji  = 5% = 0,05
3. Statistik uji: 2 diketahui nilainya yaitu 25 cm

X  0 121  120
Z hitung   2
 5
n 100
4. Daerah kritis: Z = Z 0,05 = 1,645
5. Keputusan: Karena Zhitung > Ztabel, maka H0 ditolak
6. Kesimpulan: berdasarkan data tentang tinggi badan murid kelas 6 disimpulkan bahwa
pemberian susu selama 2 tahun memberikan efek pertumbuhan badan yang lebih tinggi,
bila digunakan taraf nyata 5%.

Contoh 4.2

Dari varietas padi tertentu ingin diketahui mengenai jumlah malai yang dapat dihasilkan oleh satu rumpun
apabila ditanam dengan jarak tanam 25 x 25 cm. Untuk keperluan ini telah dipilih secara acak rumpun dari
suatu petak sawah tertentu dan dihitung jumlah malai yang dihasilkan yaitu 10, 14, 12, 16, 14, 10.
Berdasarkan hasil yang diperoleh tersebut, hendak diuji pendapat-pendapat tersebut dengan menggunakan
taraf uji 5%.
1. Varietas padi tersebut menghasilkan kurang dari 14 malai setiap rumpunnya.
Ahmadriswan Nasution/ Pengujian Hipotesis 12
2. Varietas padi dalam keadaan seperti itu rata-rata tidak menghasilkan 10 malai setiap rumpunnya.

Jawab:
1. 2 tidak diketahui nilainya, maka diduga melalui data contoh, yaitu s 2 = 5,8667. Ukuran contoh n = 6
(kecil); rata-rata = 12,67
1. H0 :  = 14 lawan H1 :  < 14
2. Taraf uji  = 0,05
3. Statistik uji
X  0 12,67  14
t observasi    1,3571
s 5,8667
n 6

4. Daerah kritis t;n-1 = t0,05;5 = 2,015

5. Keputusan : tobservasi < ttabel, maka H0 ditolak

6. Kesimpulan : berdasarkan data pengamatan dengan taraf uji 5%, cukup bukti untuk
mendukung pendapat bahwa varietas padi tersebut rata-rata menghasilkan kurang dari 14
malai setiap rumpunnya.
2. 2 tidak diketahui nilainya, maka diduga melalui data contoh, yaitu s2 = 5,8667. Ukuran contoh n = 6
(kecil); rata-rata = 12,67

1. H0 :  = 10 lawan H1  10

2. Taraf uji  = 0,05

3. Statistik uji

12,67  10
tobservasi   2,7249 1
5,8667
6

4. Daerah kritis t/2;n-1 = t0,025;5 = 2,571

5. Keputusan: tobservasi = 2,7249 > ttabel = 2,571 maka tolak H0.

6. Kesimpulan: ternyata memang varietas padi tersebut rata-rata tidak menghasilkan 10 malai
dalam setiap rumpunnya, bila digunakan taraf uji 5%.

Ahmadriswan Nasution/ Pengujian Hipotesis 13


C. Pengujian Hipotesis Statistik Dua Populasi

1. Pengujian Hipotesis untuk Selisih Rata-rata ( 1  2 ) Dua Populasi yang Saling Bebas

Jika peubah acak X1~ N(µ1,σ1) dan X2~ N(µ2,σ2) yang saling bebas, maka hipotesis yang perlu diuji biasanya
mengambil salah satu dari ketiga bentuk berikut:

1. H0 :
1  2  d 0 lawan H1 :
1   2  d 0

2. H0 :
1  2  d 0 lawan H1 :
1   2  d 0

3. H0 :
1   2  d 0 lawan H1 :
1  2  d 0

d0 adalah nilai 1   2 yang dihipotesiskan atau nilai yang telah ditetapkan terlebih dahulu.

Statistik untuk pengujian hipotesis rata-rata 2 populasi yang saling bebas adalah sebagai berikut:

Tabel 2. Pengujian Hipotesis Rata-rata Dua Populasi


Wilayah
H0 Nilai Statistik Uji H1
Kritis
1 - 2 = d0
Z
X 1  X 2 )  d0  1 - 2 < d0 Z < -Z
s 2 2
1 - 2 > d0 Z > Z
1 s 2
n1 n2 1 - 2  d0 Z <-Z/2 atau
1 dan 2 tidak diketahui Z > Z/2
Sampel besar
1 - 2 = d0
t
X 1  X 2  d0  1 - 2 < d0 t < -t
Sp 1  1 1 - 2 > d0 t > t
n1 n2
1 - 2  d0 t < -t/2 atau t
v = n1 + n2 – 2;
> t/2
1 = 2 tetapi tidak diketahui

Sp 
n1  1s12  n2  1s22
n1  n2  2
1 - 2 = d0
t
X 1  X 2  d0  1 - 2 < d0 t < -t
s2 2
1 - 2 > d0 t > t
1 s 2
n1 n2
1 - 2  d0 t < -t/2 atau t
> t/2

Ahmadriswan Nasution/ Pengujian Hipotesis 14


Wilayah
H0 Nilai Statistik Uji H1
Kritis
2
 s12 s2 
 n  2n 
v 
1 2
2 2
 s12   s22 
 n  n 
 1

2

n1  1 n2  1
1  2 dan tidak diketahui

Keterangan:
v = derajat bebas dari distribusi t
2
𝑆𝑝𝑜𝑜𝑙𝑒𝑑 = varian gabungan (pooled) dari sampel

Contoh 4.3:

Suatu penelitian dilakukan untuk mengetahui apakah ada pengaruh metode kerja terhadap produktivitas
kerja. Untuk metode lama dipilih 25 pekerja. Ternyata rata-rata waktu yang dibutuhkan untuk menyelesaikan
produksi 1 unit barang adalah 3 jam dan standar deviasi 0,5 jam/ unit. Untuk metode baru dipilih 20 orang,
ternyata rata-rata yang dibutuhkan 3,2 jam/ unit dan standar deviasi 0,45 jam/ unit. Uji apakah metode lama
lebih baik dari metode baru ? Gunakan taraf nyata 1%. (Varians populasi tidak sama)

Jawab:
Diketahui:
X= Waktu produksi 1 unit barang
X1= Waktu produksi 1 unit barang dengan metode lama
X2= Waktu produksi 1 unit barang dengan metode baru
n1  25; x1  3; s  0,5
n2  20; x2  3,2; s  0,45

1. Hipotesis (1 sisi):
H0 : 1  2
H1 : 1  2
2. Taraf nyata/ signifikansi = 1%

3. Statistik Uji: t   x1  x2    ;   0
2 2
s1 s
 2
n1 n2

4. Daerah kritis atau daerah penolakan H0: Tolak H0, jika thitung < -t,v

Ahmadriswan Nasution/ Pengujian Hipotesis 15


2
 s12 s2 2 
2

    0,52 0,452 
n   
 n2   25 20 
v   47,99  48
1
2 2 2 2
 s12   s2 2   0,52   0,452 
       
n     25    20 
 1    n2 
n1  1 n2  1 24 19
t0,01(48)=2,682

5. Statistik hitung: t 
3  3,2 
 0.2
 0,648
2 2
0,5 0,45 0,095

25 20

6. Keputusan: Karena thitung = -0,648 < -2,682 (t0,01(48)2), maka H0 diterima. Dengan demikian
belum cukup bukti untuk menyatakan bahwa H0 salah atau metode lama tidak lebih baik
dari metode baru.

Contoh 4.4:

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:

Rata-rata usia Varian Usia


Banyaknya
Kelompok wanita Perkawinan Perkawinan
contoh
Pertama (tahun) Pertama (tahun)
Bekerja 2500 25 4
Tidak Bekerja 2400 22 2

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:
H0 : x - y = 0
H1 : x - y  0
2. Taraf uji  = 0,05
3. Statistik uji
Karena 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, yaitu 1 dan 2 tahun.

Z observasi 
25  22  0  60,82
 2500  2400
4  2
Ahmadriswan Nasution/ Pengujian Hipotesis 16
4. Daerah kritis, dari tabel normal baku diperoleh Z 0,05/2 = 1,96.
5. Keputusan, karena Z > Ztabel, maka diputuskan tolak H0.
6. Kesimpulan: berdasarkan data sampel tersebut dapat disimpulkan bahwa memang terdapat
perbedaan rata-rata usia perkawinan pertama diantara wanita bekerja dan tidak bekerja.

2. Pengujian Hipotesis untuk Selisih Rata-rata ( 1  2 ) Data Berpasangan

Suatu anggapan tentang rata-rata yang perlu diuji kadangkala diamati dari data sampel yang tidak bebas. Hal
ini terjadi, bila pengamatan dalam kedua contoh saling berpasang-pasangan sehingga kedua pengamatan itu
berhubungan. Misalkan saja, kita ingin menguji keefektifan suatu diet baru menggunakan sampel individu-
individu, dengan mengamati bobot badan sebelum dan sesudah percobaan program diet. Pengamatan dalam
kedua contoh yang diambil dari individu yang sama tentu saja berhubungan, dan oleh karena itu membentuk
suatu pasangan. Untuk mengetahui apakah diet itu efektif, kita harus memperhatikan selisih bobot badan
sebelum dan sesudah (di) masing-masing pasangan pengamatan tersebut.

Hipotesis statistik yang dapat disusun untuk data berpasangan adalah:


H0 : D = 0
H1 : i) D < 0 atau
ii) D > 0 atau
iii) D  0
dengan statistik uji:

d  D0
tob  t n 1
Sd
n

d = rata-rata dari selisih pengamatan contoh

Sd = simpangan baku dari selisih pengamatan contoh.

Keputusan tolak H0, artinya pula terima H1 untuk masing-masing jenis hipotesis alternatif yaitu jika:
tob < -t;n-1
tob > t;n-1
tob < -t/2;n-1

Contoh 4.5:

Untuk menguji pernyataan bahwa suatu program diet baru dapat mengurangi bobot badan seseorang secara
rata-rata 4,5 kg per dua minggu, dilakukan pengamatan terhadap 7 orang wanita yang mengikuti program
tersebut.

Pengujian pernyataan akan dilakukan dengan taraf uji 5%.

Ahmadriswan Nasution/ Pengujian Hipotesis 17


Wanita
Bobot Badan (kg)
1 2 3 4 5 6 7
Sebelum program 58,5 60,3 61,7 69,0 64,0 62,6 56,7
Sesudah program 60,0 54,9 58,1 62,1 58,5 59,9 54,4

Jawab:

Bila distribusi bobot badan diasumsikan menghampiri distribusi normal, maka selisih bobot badan sebelum
dan sesudah program (di) dari ketujuh orang wanita tersebut adalah:
𝑑̅ = 3,56 ; 𝑠𝑑 = 2,78
1. Hipotesis
H0 : D = 4,5 lawan H1 : D  4,5
2. α = 5%
3. Statistik uji adalah:
3,56  4,5
t observasi   0,89
2,78
7

4. Daerah kritis; t 0,05/2;7-1 = t 0,025;6 = 2,447

5. Keputusan; karena tob = 0,89 < 2,447 maka H0 tidak ditolak.

6. Kesimpulan, dengan tingkat kepercayaan 95%, data contoh belum cukup untuk mendukung
pernyataan bahwa program diet baru tersebut dapat menurunkan bobot badan seseorang
secara rata-rata 4,5 kg per dua minggu.

Ahmadriswan Nasution/ Pengujian Hipotesis 18


BAB V
PENUTUP

A. Kesimpulan

Data dan informasi statistik yang didapatkan dari hasil survei berguna untuk melihat perubahan-perubahan,
menganalisa, dan sebagai dasar menentukan kebijakan-kebijakan. Namun, sebelum melakukan analisa dan
interpretasi terhadap data dan informasi, perlu dilakukan pengujian hipotesis. Salah satu metoda statistik yang
dapat digunakan dalam kegiatan kebijakan-kebijakan adalah pengujian hipotesis, dimana suatu pernyataan
tentang parameter populasi dapat di uji secara statistik berdasarkan informasi dari sampel.

Pada modul ini telah dibahas prosedur dan langkah-langkah dalam melakukan pengujian hipotesis statistik.
Sehingga modul ini dapat menjadi panduan dalam melakukan pendugaan statistik sebagai instrumrn untuk
menguji berbagai data, informasi, maupun pengetahuan secara empiris.

B. Implikasi

Banyak metoda ini dalam melakukan pengujian, misalnya, apakah suatu intervensi telah memberikan dampak
seperti yang diharapkan. Demikian pula dapat dilakukan pengujian hipotesis misalnya terhadap persentase
rumah tangga yang kehidupannya sangat tergantung kepada sektor pertanian di suatu wilayah. Singkatnya,
para pejabat publik perlu menyadari bahwa tersedia berbagai metoda statistik yang bisa digunakan untuk
melakukan yang disebut dengan pengujian hipotesis terhadap fenornena alam atau suatu problem yang
diwakili dengan parameter populasinya.

C. Tindak lanjut

Berbekal hasil belajar mata diklat Pengujian Hipotesis statistik dengan mempergunakan modul ini, diharapkan
peserta dapat menerapkan pengujian hipotesis yang tepat jika di unit kerjanya atau instansinya melakukan
kegiatan analisis data melalui metode statistik.

Ahmadriswan Nasution/ Pengujian Hipotesis 19


DAFTAR PUSTAKA
1. Asra, Abuzar. 2014. Esensi Statistik Bagi Kebijakan Publik. In Media. Jakarta
2. Walpole, Ronald E. 1992. Pengantar Statistika. PT. Gramedia Pustaka Utama. Jakarta
3. Walpole, Ronald E dan Raymond H. Myers. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan
Ilmuwan. Penerbit ITB. Bandung.

Ahmadriswan Nasution/ Pengujian Hipotesis 20


LAMPIRAN

Z Table
Entries in the body of the table represents areas under the curve between -4 and z
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
Ahmadriswan Nasution/ Pengujian Hipotesis 21
Titik Persentase Distribusi t (df = 1 -40)

Pr 0.25 0.10 0.05 0.025 0.01 0.005 0.001


df 0.50 0.20 0.10 0.050 0.02 0.010 0.002
1 1.00000 3.07768 6.31375 12.7062 31.8205 63.6567 318.30884
0 2 4
2 0.81650 1.88562 2.91999 4.30265 6.96456 9.92484 22.32712
3 0.76489 1.63774 2.35336 3.18245 4.54070 5.84091 10.21453
4 0.74070 1.53321 2.13185 2.77645 3.74695 4.60409 7.17318
5 0.72669 1.47588 2.01505 2.57058 3.36493 4.03214 5.89343
6 0.71756 1.43976 1.94318 2.44691 3.14267 3.70743 5.20763
7 0.71114 1.41492 1.89458 2.36462 2.99795 3.49948 4.78529
8 0.70639 1.39682 1.85955 2.30600 2.89646 3.35539 4.50079
9 0.70272 1.38303 1.83311 2.26216 2.82144 3.24984 4.29681
10 0.69981 1.37218 1.81246 2.22814 2.76377 3.16927 4.14370
11 0.69745 1.36343 1.79588 2.20099 2.71808 3.10581 4.02470
12 0.69548 1.35622 1.78229 2.17881 2.68100 3.05454 3.92963
13 0.69383 1.35017 1.77093 2.16037 2.65031 3.01228 3.85198
14 0.69242 1.34503 1.76131 2.14479 2.62449 2.97684 3.78739
15 0.69120 1.34061 1.75305 2.13145 2.60248 2.94671 3.73283
16 0.69013 1.33676 1.74588 2.11991 2.58349 2.92078 3.68615
17 0.68920 1.33338 1.73961 2.10982 2.56693 2.89823 3.64577
18 0.68836 1.33039 1.73406 2.10092 2.55238 2.87844 3.61048
19 0.68762 1.32773 1.72913 2.09302 2.53948 2.86093 3.57940
20 0.68695 1.32534 1.72472 2.08596 2.52798 2.84534 3.55181
21 0.68635 1.32319 1.72074 2.07961 2.51765 2.83136 3.52715
22 0.68581 1.32124 1.71714 2.07387 2.50832 2.81876 3.50499
23 0.68531 1.31946 1.71387 2.06866 2.49987 2.80734 3.48496
24 0.68485 1.31784 1.71088 2.06390 2.49216 2.79694 3.46678
25 0.68443 1.31635 1.70814 2.05954 2.48511 2.78744 3.45019
26 0.68404 1.31497 1.70562 2.05553 2.47863 2.77871 3.43500
27 0.68368 1.31370 1.70329 2.05183 2.47266 2.77068 3.42103
28 0.68335 1.31253 1.70113 2.04841 2.46714 2.76326 3.40816
29 0.68304 1.31143 1.69913 2.04523 2.46202 2.75639 3.39624
30 0.68276 1.31042 1.69726 2.04227 2.45726 2.75000 3.38518
31 0.68249 1.30946 1.69552 2.03951 2.45282 2.74404 3.37490
32 0.68223 1.30857 1.69389 2.03693 2.44868 2.73848 3.36531
33 0.68200 1.30774 1.69236 2.03452 2.44479 2.73328 3.35634
34 0.68177 1.30695 1.69092 2.03224 2.44115 2.72839 3.34793
35 0.68156 1.30621 1.68957 2.03011 2.43772 2.72381 3.34005
36 0.68137 1.30551 1.68830 2.02809 2.43449 2.71948 3.33262
37 0.68118 1.30485 1.68709 2.02619 2.43145 2.71541 3.32563
38 0.68100 1.30423 1.68595 2.02439 2.42857 2.71156 3.31903
39 0.68083 1.30364 1.68488 2.02269 2.42584 2.70791 3.31279
40 0.68067 1.30308 1.68385 2.02108 2.42326 2.70446 3.30688

Ahmadriswan Nasution/ Pengujian Hipotesis 22


Ahmadriswan Nasution/ Pengujian Hipotesis 23